來源：北大青鳥總部 2023年03月01日 13:24
隨著互聯網的快速發展，分布式的思想已經廣泛應用在各個行業中了。分布式是與中心化相對的概念，中心化的思想是把關鍵的內容集中處理，這樣的好處是提高了效率、更專注專一，壞處是如果中心系統掛了，所有的內容都沒有了。
分布式的思想是把整個模塊分成多個模塊去處理，每個人負責一部分，這樣的好處是即使某一部分沒有了，其它的內容還存在，造成的損失不大，壞處是多模塊協調溝通成本高。
比如在企業管理中不會把核心模塊只交給某個人負責，而是培養多個人都了解此模塊，這樣即使核心人員離職了，企業還是可以正常運轉，不會有多大影響。
而在計算機系統的世界中，分布式系統的出現是為了用便宜的、普通的機器完成單個計算機無法完成的計算存儲任務，更好的利用資源處理更多的任務。
早期的時候一套應用程序全部署在一臺機器上，但隨著業務量的增長、用戶請求的增加，該機器已經不能滿足更多的計算存儲任務，即使換更好的機器或者單獨升級某個組件能力（比如加磁盤、加內存、換更好的CPU）也不能解決問題，這時候只能采用SOA或微服務設計、分布式模式進行部署了，在系統架構上把業務進行拆分，子業務與子業務之間通過網絡進行通信，共同協調完成任務，在部署模式上把不同的子業務部署在不同的機器上，子業務扛不住業務壓力時再加新的機器支撐。
在業務拆分細粒化、業務部署集群化的情況下就會帶來新的問題，不過戴上CAP的帽子后，問題多多的分布式系統也能變得很可愛～
那么什么是CAP定理呢？CAP是一致性Consistency、可用性Availability、分區容錯性PartitionTolerance，CAP定理是說這三個目標不能同時滿足。
首先我們來看看分區容錯性，在分布式系統中，大部分系統都分布在子網絡內，每個子網絡就是一個區，比如你的服務一臺部署在北京，一臺部署在上海，這就是兩個區。而這兩臺服務器可能由于網絡問題而無法通信，這就是分區容錯，一般來說，由于客觀原因，分區容錯是不能避免的。
下圖中G1和G2在不同的區，G1向G2發送消息，但由于鏈路壞了或其它原因，G2可能收不到。
然后我們再來看看一致性，一致性的意思就是數據必須一致。比如你位于北京區域，然后在淘寶下單買了一個商品，這時候在北京區域的訂單系統服務器上有了你的訂單記錄，但是在上海區域的服務器系統沒有獲取這個信息，所以就會存在你在北京時能看到自己的訂單記錄，但到了上海后沒有訂單記錄的情況（基于CDN內容分發網絡原則，網絡請求往最近的服務器區域發送）。如下圖所示，客戶端往服務器G1寫了一條數據V0，G1必須要往G2服務器再寫入V0這條數據，這樣當客戶端向G2服務器請求數據時才能獲取V0這條數據的同步，如果G1沒有向G2同步寫數據，就會出現客戶端向G2請求時數據不一致。
最后我們來看看可用性，可用性就是服務任何時候都可以用，只要客戶端發起請求，服務器端就必須響應。
那么一致性和可用性為什么不能并存呢？比如為了保障G2的一致性，那么G1在寫操作的時候，就必須鎖定G2的讀操作和寫操作，只有數據同步后才能開放G2的讀寫，在鎖定的時候，G2就必然不可用；而如果保障G2的可用性，那么G1在寫操作的時候，G2就不能被鎖定，數據就會不一致。因此CA只能擇一，魚和熊掌畢竟也不能兼得。
在某些業務，比如交易場景中，因為涉及到了金錢，所以必須要數據一致，有任何差錯，老板就會拿刀架你脖子上了。
Zookeeper就是保障了數據一致性的方案。在Zookeeper中使用專有的ZAB原子廣播協議來保障數據的一致性，在該協議中會包含三個角色Leader領導者、Follower跟隨者、Observer觀察者，Leader是唯一處理寫請求的人；Follower是接收客戶端的請求，處理讀請求但不處理寫請求，并且可以參加或投票Leader的選舉（當Leader掛了的時候）；Observer是不能參加也不能投票的Follower。
當客戶端向服務器發送請求，要寫入數據時，服務器會根據自己的角色和該請求的類型進行判斷，如果自己是leader那么就處理該請求；如果自己是Follower，那么服務器會根據請求類型進行決策，如果是寫請求，就轉發給Leader，Leader會給所有的Follower都發一個提議，讓大家來投票，如果超過一半的服務器都同意這個提議，那么Leader才會進行操作，從而保障了數據的一致性。
比如在我們剛剛的訂單場景中，當用戶在客戶端發起一個商品購買請求給到訂單系統服務器時，服務器集群中的Leader判斷這是一個寫請求，需要往數據庫里插入一條某某用戶已購買某某商品的記錄，它會把這個記錄直接放在自己的服務器的數據庫里，并同步給其它的服務器也需要寫入該記錄。
如果客戶端的請求發送給了Follower的服務器，那么它會轉發給Leader，Leader就給所有的服務器都發通知，問他們是否可以寫入此條記錄，如果超過一半的人都表示可以操作，那么Leader、對應的服務器就會把數據寫入在服務器里。
在某些業務，比如電商場景中，對于服務的可用性要求非常高，雙十一的時候打不開商品的頁面簡直是會要了女人的命啊，當然打開了就會要了男人的命，哈哈哈，開個小玩笑。
所以在電商場景中服務的可用性是非常重要的，Eureka就是保障了服務可用性的方案。在Eureka集群中，服務器與服務器是通過Replicate來同步數據的，不區分master節點、slave節點，每個應用都指向其它應用，當某個服務器宕機時，該應用就切換到新的服務器節點執行任務，待宕機服務器恢復正常后，再將服務切回來。
如下圖所示，還是以訂單場景來講解，在北京、上海、西安機房的服務器里都部署了訂單服務的應用程序，但是可能西安機房斷電了出了故障，從而導致西安的用戶使用訂單服務時就不能正常的使用了，但是因為整個大系統采用的是跨地區的高可用的集群部署模式，因此當西安的服務不可用時，用戶的請求就會走到上海，由上海的機房來提供服務，同時把數據同步給到北京的服務器，但這時候就會出現一個問題：西安機房的服務器由于斷電了沒能提供服務，因此斷電這段時間內的服務數據時沒有的，就出現了北京上海西安的數據不一致的情況。在業務場景中通常采用人工校對、客服等的方式可以解決。
Zookeeper我所欲也，Eureka亦我所欲也，二者不可得兼。可用性我所欲也，一致性亦我所欲也，然二者不可得兼，同學們根據自己的業務場景選擇合適的分布式協調框架即可～～
