分散式事務的通用原則

• 2019 年 10 月 6 日
• 筆記

周末來篇短的。

當我們採用分散式來提高系統性能時，首先面對的問題是面對和處理分散式事務。

分散式系統處理數據：

• 數據分區：把數據塊放在不同的伺服器上，採用一致性hash；
• 數據鏡像：讓所有伺服器都有相同的數據，提供相同的服務；

第一種問題，單台機器出現問題，會存在數據丟失的問題。

數據服務的高可用只能通過第二種方式完成數據冗餘存儲。存儲節點越多，跨服務的事務數據一致性就越複雜。

數據不丟失，通過冗餘手段，數據的分區都需要數據冗餘處理。

這就是數據副本：出現某個節點的數據丟失時可以從副本讀到，數據副本是分散式系統解決數據丟失的唯一手段。

結論：

• 數據高可用，需要寫多份數據；
• 多份數據存在數據一致性問題；
• 數據一致性引發性能問題；

一致性模型：

• 弱一致性：寫入一個新值，讀操作在數據副本上可能讀出來，也可能讀不出來。
• 最終一致性：寫入新值，可能讀不出來，在某個時間窗口保證能讀出來。
• 強一致性：數據一旦寫入，任意副本都能讀到新值。

前兩種一般通過非同步方式，最後一種是同步方式。非同步代表更好的性能，帶來了複雜性。同步代表了簡單，但是要考慮性能。

方式：

• M/S方式，讀寫分離，主從；
• M/M方式，多個主節點，都做讀寫；
• 2PC/3PC，階段提交，每個節點都知道自己成功失敗，無法知道其他節點狀態，需要引入一個協調者統一掌控所有節點的操作結果，最終指示節點是否把操作結果進行真正的提交。
• Paxos演算法；