系统设计学习（一）分布式系统

分布式系统

CAP 理论

CAP 理论是分布式系统设计中的一个基本原则，它提供了一个思考和权衡一致性、可用性和分区容错性之间关系的框架。 CAP 理论的三个要素如下：

一致性（Consistency）：在分布式系统中的多个副本或节点之间，保持数据的一致性。也就是说，如果有多个客户端并发地读取数据，在任何时间点上，它们都应该能够观察到相同的数据。
可用性（Availability）：系统在任何时间点都能正常响应用户请求，即使部分节点挂了，如果一个系统不能提供响应或响应时间过长，则认为系统不可用。
分区容忍性（Partition tolerance）：指系统在遇到网络分区或节点失效的情况下，仍能够继续工作并保持数据的一致性和可用性。

CAP 理论指出，在分布式系统中，不能同时满足一致性、可用性和分区容错性这三个特性，只能是 CP 或者是 AP（在分布式系统中，分区是无法避免的，当分区发生时，我们必须在一致性和可用性之间做出选择）。

CP：强一致性和分区容错性设计。这样的系统要求保持数据的一致性，并能够容忍分区故障，但可用性较低，例如在分区故障期间无法提供服务。
AP：高可用性和分区容错性设计。这样的系统追求高可用性，而对一致性的要求较低。在分区故障期间，它可以继续提供服务，但数据可能会出现部分不一致。

在 C 一致性要求下，就必须要拒绝用户的请求，而拒绝了用户的请求就违背了 A 可用性，所以 C 和 A 在分布式环境下是永无无法同时满足的，分布式系统要么是 CP 模式，要么是 AP 模式。

BASE理论

BASE 理论是对分布式系统CAP理论中一致性与可用性权衡的进一步解释，它更注重实际业务中如何通过放松一致性来获得高可用性。 BASE 是指：

基本可用性（Basically Available）：系统保证在出现故障或异常情况下依然能够正常对外提供服务，尽管可能会有一定的性能损失或功能缺失。在分布式系统中，为了保证系统的可用性，有时会牺牲一致性。
软状态（Soft State）：系统中的数据的状态并不是强一致的，而是柔性的。在分布式系统中，由于网络延迟、节点故障等因素，数据可能存在一段时间的不一致。
最终一致性（Eventually Consistent）：系统会保证在一段时间内对数据的访问最终会达到一致的状态。即系统允许数据副本在一段时间内存在不一致的状态，但最终会在某个时间点达到一致。

BASE 理论强调系统的可用性和性能，尽可能保证系统持续提供服务，而不是追求强一致性。在实际应用中，为了降低分布式系统的复杂性和提高性能，可以采用一些方法来实现最终一致性，如版本管理、异步复制等技术手段。

CAP理论常被用于说明分布式系统设计的极限和理论上的权衡，而BASE理论则更多地指导具体实践，如何在CAP理论所描述的限制下构建灵活且健壮的系统。

分布式共识理论

共识算法如Paxos、Raft和Zab等，解决分布式系统中多节点间如何就某个值（如配置信息、状态）达成一致性的问题。

Raft算法：“任期号”（Term）和"索引"（Index）是维护一致性和日志顺序的关键概念。

任期号：是一个单调递增的整数，它标记了集群领导权变动的时间段。每次选举都会产生一个新的任期号，并且任期号随着时间推移只会增加不会减少。这个机制有助于防止“脑裂”现象，即防止多个节点同时认为自己是合法的领导者。

在Raft算法中，当一个Follower节点在一段时间内没有收到当前Leader的心跳包时，它会成为Candidate并开始新一轮的选举，此时任期号加一。如果该节点获得大多数节点的投票，那么它就会成为新的Leader，并以新的任期号开始发送心跳和日志条目给其他节点。任期号也用于解决网络分区和消息延迟问题。例如，一个过时的Leader（其身份属于旧任期）尝试向集群中的其他节点发送命令，但由于任期号比当前任期低，这些节点会拒绝执行这些命令并告知该Leader其任期已经过时。

索引：是日志条目在日志中的位置，表征了特定日志条目在整个日志序列中的顺序。索引保证了日志条目可以按照严格的顺序进行复制和应用到状态机上。

当一个Leader接收到客户端的请求时，它会生成一个带有当前任期号和唯一索引的日志条目。然后，Leader会将包含此日志条目的信息复制到集群中的其他节点。一旦条目被成功复制到大多数节点，它就可以被提交并应用到状态机上。Leader可以使用索引和任期号来确定不一致的位置，并通过发送缺失的条目来恢复日志的一致性。

日志同步的概念：服务器接收客户的数据更新/删除请求，这些请求会落地为命令日志。只要输入状态机的日志命令相同，状态机的执行结果就相同。所以Raft的核心就是leader发出日志同步请求，follower接收并同步日志，最终保证整个集群的日志一致性。

核心流程：