分布式设计

扩展性设计

• 《架构师不可不知的十大可扩展架构》
  • 总结下来，通用的套路就是分布、缓存及异步处理。
• 《可扩展性设计之数据切分》
  • 水平切分+垂直切分
  • 利用中间件进行分片如，MySQL Proxy。
  • 利用分片策略进行切分，如按照ID取模。
• 《说说如何实现可扩展性的大型网站架构》
  • 分布式服务+消息队列。
• 《大型网站技术架构（七）–网站的可扩展性架构》

稳定性 & 高可用

• 《系统设计：关于高可用系统的一些技术方案》
  • 可扩展：水平扩展、垂直扩展。 通过冗余部署，避免单点故障。
  • 隔离：避免单一业务占用全部资源。避免业务之间的相互影响 2. 机房隔离避免单点故障。
  • 解耦：降低维护成本，降低耦合风险。减少依赖，减少相互间的影响。
  • 限流：滑动窗口计数法、漏桶算法、令牌桶算法等算法。遇到突发流量时，保证系统稳定。
  • 降级：紧急情况下释放非核心功能的资源。牺牲非核心业务，保证核心业务的高可用。
  • 熔断：异常情况超出阈值进入熔断状态，快速失败。减少不稳定的外部依赖对核心服务的影响。
  • 自动化测试：通过完善的测试，减少发布引起的故障。
  • 灰度发布：灰度发布是速度与安全性作为妥协，能够有效减少发布故障。
• 《关于高可用的系统》
  • 设计原则：数据不丢(持久化)；服务高可用(服务副本)；绝对的100%高可用很难，目标是做到尽可能多的9，如99.999%（全年累计只有5分钟）。

硬件负载均衡

• 《转！！负载均衡器技术Nginx和F5的优缺点对比》
  • 主要是和F5对比。
• 《软/硬件负载均衡产品 你知多少？》

软件负载均衡

• 《几种负载均衡算法》 轮寻、权重、负载、最少连接、QoS
• 《DNS负载均衡》
  • 配置简单，更新速度慢。
• 《Nginx负载均衡》
  • 简单轻量、学习成本低；主要适用于web应用。
• 《借助LVS+Keepalived实现负载均衡 》
  • 配置比较负载、只支持到4层，性能较高。
• 《HAProxy用法详解 全网最详细中文文档》
  • 支持到七层（比如HTTP）、功能比较全面，性能也不错。
• 《Haproxy+Keepalived+MySQL实现读均衡负载》
  • 主要是用户读请求的负载均衡。
• 《rabbitmq+haproxy+keepalived实现高可用集群搭建》

限流

• 《谈谈高并发系统的限流》
  • 计数器：通过滑动窗口计数器，控制单位时间内的请求次数，简单粗暴。
  • 漏桶算法：固定容量的漏桶，漏桶满了就丢弃请求，比较常用。
  • 令牌桶算法：固定容量的令牌桶，按照一定速率添加令牌，处理请求前需要拿到令牌，拿不到令牌则丢弃请求，或进入丢队列，可以通过控制添加令牌的速率，来控制整体速度。Guava 中的 RateLimiter 是令牌桶的实现。
  • Nginx 限流：通过 limit_req 等模块限制并发连接数。

应用层容灾

• 《防雪崩利器：熔断器 Hystrix 的原理与使用》
  • 雪崩效应原因：硬件故障、硬件故障、程序Bug、重试加大流量、用户大量请求。
  • 雪崩的对策：限流、改进缓存模式(缓存预加载、同步调用改异步)、自动扩容、降级。
  • Hystrix设计原则：
    • 资源隔离：Hystrix通过将每个依赖服务分配独立的线程池进行资源隔离, 从而避免服务雪崩。
    • 熔断开关：服务的健康状况 = 请求失败数 / 请求总数，通过阈值设定和滑动窗口控制开关。
    • 命令模式：通过继承 HystrixCommand 来包装服务调用逻辑。
• 《缓存穿透，缓存击穿，缓存雪崩解决方案分析》
• 《缓存击穿、失效以及热点key问题》
  • 主要策略：失效瞬间：单机使用锁；使用分布式锁；不过期；
  • 热点数据：热点数据单独存储；使用本地缓存；分成多个子key；

跨机房容灾

• 《“异地多活”多机房部署经验谈》
  • 通过自研中间件进行数据同步。
• 《异地多活（异地双活）实践经验》
  • 注意延迟问题，多次跨机房调用会将延时放大数倍。
  • 建房间专线很大概率会出现问题，做好运维和程序层面的容错。
  • 不能依赖于程序端数据双写，要有自动同步方案。
  • 数据永不在高延迟和较差网络质量下，考虑同步质量问题。
  • 核心业务和次要业务分而治之，甚至只考虑核心业务。
  • 异地多活监控部署、测试也要跟上。
  • 业务允许的情况下考虑用户分区，尤其是游戏、邮箱业务。
  • 控制跨机房消息体大小，越小越好。
  • 考虑使用docker容器虚拟化技术，提高动态调度能力。
• 容灾技术及建设经验介绍

容灾演练流程

• 《依赖治理、灰度发布、故障演练，阿里电商故障演练系统的设计与实战经验》
  • 常见故障画像
  • 案例：预案有效性、预案有效性、故障复现、架构容灾测试、参数调优、参数调优、故障突袭、联合演练。

平滑启动

• 平滑重启应用思路 1.端流量（如vip层）、2. flush 数据(如果有)、3, 重启应用
• 《JVM安全退出（如何优雅的关闭java服务）》 推荐推出方式：System.exit，Kill SIGTERM；不推荐 kill-9；用 Runtime.addShutdownHook 注册钩子。
• 《常见Java应用如何优雅关闭》 Java、Spring、Dubbo 优雅关闭方式。

数据库扩展

读写分离模式

• 《Mysql主从方案的实现》
• 《搭建MySQL主从复制经典架构》
• 《Haproxy+多台MySQL从服务器(Slave) 实现负载均衡》
• 《DRBD+Heartbeat+Mysql高可用读写分离架构》
  • DRDB 进行磁盘复制，避免单点问题。
• 《MySQL Cluster 方式》

分片模式

• 《分库分表需要考虑的问题及方案》
  • 中间件： 轻量级：sharding-jdbc、TSharding；重量级：Atlas、MyCAT、Vitess等。
  • 问题：事务、Join、迁移、扩容、ID、分页等。
  • 事务补偿：对数据进行对帐检查;基于日志进行比对;定期同标准数据来源进行同步等。
  • 分库策略：数值范围；取模；日期等。
  • 分库数量：通常 MySQL 单库 5千万条、Oracle 单库一亿条需要分库。
• 《MySql分表和表分区详解》
  • 分区：是MySQL内部机制，对客户端透明，数据存储在不同文件中，表面上看是同一个表。
  • 分表：物理上创建不同的表、客户端需要管理分表路由。

服务治理

服务注册与发现

• 《永不失联！如何实现微服务架构中的服务发现？》
  • 客户端服务发现模式：客户端直接查询注册表，同时自己负责负载均衡。Eureka 采用这种方式。
  • 服务器端服务发现模式：客户端通过负载均衡查询服务实例。
• 《SpringCloud服务注册中心比较:Consul vs Zookeeper vs Etcd vs Eureka》
  • CAP支持：Consul（CA）、zookeeper（cp）、etcd（cp） 、euerka（ap）
  • 作者认为目前 Consul 对 Spring cloud 的支持比较好。
• 《基于Zookeeper的服务注册与发现》
  • 优点：API简单、Pinterest，Airbnb 在用、多语言、通过watcher机制来实现配置PUSH，能快速响应配置变化。

服务路由控制

• 《分布式服务框架学习笔记4 服务路由》
  • 原则：透明化路由
  • 负载均衡策略：随机、轮询、服务调用延迟、一致性哈希、粘滞连接
  • 本地路由有限策略：injvm(优先调用jvm内部的服务)，innative(优先使用相同物理机的服务),原则上找距离最近的服务。
  • 配置方式：统一注册表；本地配置；动态下发。

分布式一致

CAP 与 BASE 理论

• 《从分布式一致性谈到CAP理论、BASE理论》
  • 一致性分类：强一致(立即一致)；弱一致(可在单位时间内实现一致，比如秒级)；最终一致(弱一致的一种，一定时间内最终一致)
  • CAP：一致性、可用性、分区容错性(网络故障引起)
  • BASE：Basically Available（基本可用）、Soft state（软状态）和Eventually consistent（最终一致性）
  • BASE理论的核心思想是：即使无法做到强一致性，但每个应用都可以根据自身业务特点，采用适当的方式来使系统达到最终一致性。

分布式锁

• 《分布式锁的几种实现方式》
  • 基于数据库的分布式锁：优点：操作简单、容易理解。缺点：存在单点问题、数据库性能够开销较大、不可重入；
  • 基于缓存的分布式锁：优点：非阻塞、性能好。缺点：操作不好容易造成锁无法释放的情况。
  • Zookeeper 分布式锁：通过有序临时节点实现锁机制，自己对应的节点需要最小，则被认为是获得了锁。优点：集群可以透明解决单点问题，避免锁不被释放问题，同时锁可以重入。缺点：性能不如缓存方式，吞吐量会随着zk集群规模变大而下降。
• 《基于Zookeeper的分布式锁》
  • 清楚的原理描述 + Java 代码示例。
• 《jedisLock—redis分布式锁实现》
  • 基于 setnx(set if ont exists)，有则返回false，否则返回true。并支持过期时间。
• 《Memcached 和 Redis 分布式锁方案》
  • 利用 memcached 的 add（有别于set）操作，当key存在时，返回false。

分布式一致性算法

PAXOS

• 《分布式系列文章——Paxos算法原理与推导》
• 《Paxos–>Fast Paxos–>Zookeeper分析》
• 《【分布式】Zookeeper与Paxos》

Zab

• 《Zab：Zookeeper 中的分布式一致性协议介绍》

Raft

• 《Raft 为什么是更易理解的分布式一致性算法》
  • 三种角色：Leader（领袖）、Follower（群众）、Candidate（候选人）
  • 通过随机等待的方式发出投票，得票多的获胜。

Gossip

• 《Gossip算法》

两阶段提交、多阶段提交

• 《关于分布式事务、两阶段提交协议、三阶提交协议》

幂等

• 《分布式系统—幂等性设计》
  • 幂等特性的作用：该资源具备幂等性，请求方无需担心重复调用会产生错误。
  • 常见保证幂等的手段：MVCC（类似于乐观锁）、去重表(唯一索引)、悲观锁、一次性token、序列号方式。

分布式一致方案

• 《分布式系统事务一致性解决方案》
• 《保证分布式系统数据一致性的6种方案》

分布式 Leader 节点选举

• 《利用zookeeper实现分布式leader节点选举》

TCC(Try/Confirm/Cancel) 柔性事务

• 《传统事务与柔性事务》
  • 基于BASE理论：基本可用、柔性状态、最终一致。
  • 解决方案：记录日志+补偿（正向补充或者回滚）、消息重试(要求程序要幂等)；“无锁设计”、采用乐观锁机制。

分布式文件系统

• 说说分布式文件存储系统-基本架构 ？
• 《各种分布式文件系统的比较》 ？
  • HDFS：大批量数据读写，用于高吞吐量的场景，不适合小文件。
  • FastDFS：轻量级、适合小文件。

唯一ID 生成

全局唯一ID

• 《高并发分布式系统中生成全局唯一Id汇总》
  • Twitter 方案（Snowflake 算法）：41位时间戳+10位机器标识（比如IP，服务器名称等）+12位序列号(本地计数器)
  • Flicker 方案：MySQL自增ID + “REPLACE INTO XXX:SELECT LAST_INSERT_ID();”
  • UUID：缺点，无序，字符串过长，占用空间，影响检索性能。
  • MongoDB 方案：利用 ObjectId。缺点：不能自增。
• 《TDDL 在分布式下的SEQUENCE原理》
  • 在数据库中创建 sequence 表，用于记录，当前已被占用的id最大值。
  • 每台客户端主机取一个id区间（比如 1000~2000）缓存在本地，并更新 sequence 表中的id最大值记录。
  • 客户端主机之间取不同的id区间，用完再取，使用乐观锁机制控制并发。

一致性Hash算法

• 《一致性哈希算法》

• Previous
  技术博客-中间件
• Next
  技术博客-大数据