共计 2180 个字符，预计需要花费 6 分钟才能阅读完成。
为防止单点瓶颈，进步存储的可用性及负载能力，零碎通常部署多个节点。但此时会呈现一些问题：
- 客户端写入数据胜利，零碎各内节点的数据是否也都写入胜利
- 如果零碎内一个节点挂掉，零碎是否仍旧可用
- 如果零碎内因为网络故障产生分区，零碎是否仍旧可用
这些问题是多节点的分布式存储系统必须面对并解决的问题，即保证系统的数据统一，可用和分区容忍。
零碎的高可用有两种策略：
- 主从模式：分主从节点，主节点挂了从节点主动选主切换为主节点。只有主节点可进行写操作，从节点复制主节点数据，只可读以减轻负担。如：zookeeper，redis sentinel
- 复制模式：节点角色平等，相互通信替换信息，一个节点挂掉会被踢出集群，不影响零碎的应用。如：Eureka，redis cluster（数据分片，元信息通过 gossip 保障统一）
咱们心愿所有节点最终均保留残缺的数据，以便客户端可从任意节点读取数据，进步读取性能。零碎某一节点挂掉后也能复原数据。
为进步存储服务的写入性能，会对数据持续分片，每个分片服务要做到高可用，个别为主从部署。如 Redis cluster，es，kafka。客户端读取或写入数据时，先路由到相应节点再读取或写入。三者不同的是，读取 redis cluster 须要客户端找到指定分片节点，如果 cluster 发现数据不在客户端申请的分片（slot 产生迁徙），会返回客户端正确的分片地址，客户端再次发动申请。es 不必客户端找到指定分片，它会在外部进行路由，客户端申请一次即可失去数据。
分布式一致性协定探讨了多个节点的数据如何达成统一，即不同节点如何替换数据，包含：
- 如何写入数据，数据如何同步到其余节点
- 主 / 从节点挂了如何切换至从节点并使其余节点晓得
- 集群状态感知，如新节点退出其余节点如何晓得或者不须要晓得
按节点间的关系可分为两大类：
- 有主节点，即主从模式：raft zab paxos。集群的节点分主从，主节点负责写操作，而后同步到从节点，从节点负责读操作。当主节点挂了，一个从节点被选举晋升为主节点。
- 无主节点，即复制模式：Gossip 协定。节点的角色雷同，无主从之分，任何节点都可进行读写。如果一个节点写入数据，会随机同步至 n 个节点，这 n 个节点持续随机向 n 个节点同步，最终集群所有节点状态雷同。
几个实践：
CAP：分布式系统的个性，Consistency（一致性）、Availability（可用性）、Partition tolerance（分区容错性），三者不可得兼。是 NOSQL 数据库的基石。
- Consistency（一致性）：分布式系统中各节点在同一时刻，同一 key 的 value 雷同
- Availability（可用性）：集群中某一节点挂掉后依然可用
- Partition tolerance（分区容错性）：集群内如果网络分区，一些节点的数据不会被分区外的客户端拜访到，因而要求数据保留在所有的节点。
Base：是 Basically Available（根本可用）、Soft state（软状态）和 Eventually consistent（最终一致性）三个短语的简写，BASE 是对 CAP 中一致性和可用性衡量的后果。其核心思想是即便无奈做到强一致性（Strong consistency），但每个利用都能够依据本身的业务特点，采纳适当的形式来使零碎达到最终一致性（Eventual consistency）。
-
Basically Available(根本可用)：假如零碎，呈现了不可预知的故障，但还是能用，相比拟失常的零碎而言：
- 响应工夫上的损失：失常状况下的搜索引擎 0.5 秒即返回给用户后果，而根本可用的搜索引擎能够在 1 秒作用返回后果。
- 性能上的损失：在一个电商网站上，失常状况下，用户能够顺利完成每一笔订单，然而到了大促期间，为了爱护购物零碎的稳定性，局部消费者可能会被疏导到一个降级页面。
- Soft state（软状态）：绝对于原子性而言，要求多个节点的数据正本都是统一的，这是一种“硬状态”。软状态指的是：容许零碎中的数据存在中间状态，最终并认为该状态不影响零碎的整体可用性，即容许零碎在多个不同节点的数据正本存在数据延时。如设置 key 为 1，其中在 A 节点的值已设为 1，但在 B 节点仍为 2，但最终会为 1.。容许一些节点的值不为 1
- Eventually consistent（最终一致性）：不可能始终是软状态，必须有个工夫期限。在期限过后，该当保障所有正本保持数据一致性。从而达到数据的最终一致性。这个工夫期限取决于网络延时，零碎负载，数据复制方案设计等等因素。零碎可能保障在没有其余新的更新操作的状况下，数据最终肯定可能达到统一的状态，因而所有客户端对系统的数据拜访最终都可能获取到最新的值。
Acid：atomic 原子性，consistence 一致性，isolation 隔离性，duration 持久性，保障事务的强一致性
分布式系统不会是一个完满的零碎，即数据写入时所有节点会立刻更新最新的数据且始终提供服务，如果零碎内某个节点挂掉，不影响读写操作整个零碎像是一个单体利用，满足 acid。
因为数据同步到各个节点须要肯定工夫，在客户端收到写入胜利的响应后，所有节点是否实现数据的变更，此时再申请，是否会失去最新数据。如果一个节点挂掉，零碎是否会响应客户端申请。多节点的存在使得它受 CAP 原理的限度。满足 CP：ZK，AP：eureka