关于java:分布式系统

最大致力告诉
- 基于 BASE 实践做的保证数据最终一致性计划，根本可用，软状态，最终一致性
- 具体实现为，写本地事务，同步写一张事务音讯表，发送事务音讯，音讯异步告诉关联系统，解决失败则利用 MQ 的重试性能做主动重试，超过重试次数记录失败状态，定时工作扫描手动解决
TCC 事务弥补计划
- 须要一个事务处理器
- 每个事务必须实现 try、confirm、cancel 三个办法，开发保护老本高
- 阿里开源框架实现 seata
基于可靠消息的最终一致性计划
- RocketMQ 有事务音讯的实现
- 具体原理为，业务方发送一个事务音讯，MQ 将音讯落表，此时音讯对生产方不可见
- 发起方执行本地事务，告诉 MQ 提交或回滚
- MQ 会定时查问发起方的事务执行状态，决定提交或回滚

* 每个事务必须实现 try、confirm、cancel 三个办法，开发保护老本高
* 事务管理器也存在单点问题
* 事务管理器事务流动日志的存储老本

* 三阶段提交相比两阶段提交多了第 0 步查看是否可提交，升高了重复的“锁定 - 开释”的可能

微服务服务发现与调用流程
服务提供者启动将本人的注册到 eureka
服务消费者通过 serviceId 到 eureka 拉取服务提供者的实例 IP
服务消费者通过 Ribbon，默认采纳轮询的形式调用消费者 IP 列表中实例
ribbon 的重试机制
- 默认超时后重试原实例一次
- 可配置重试其余实例的次数
- 理论配置敞开了重试，因为超时失败下次申请大概率也会失败，重试容易放大故障，减少压力
ribbon 屡次调用一个实例失败会将其剔除吗？
eureka 服务下线感知
有至多 30 秒延时（认为延时可承受，用无损公布可解决，无损公布应用两个池，一个起来之后将流量切过去）

零碎设计的分层思维
* 各层独立

  * 只需理解以后层的应用，不须要关怀其余层的实现细节
  * 组件之间独立实现、独立部署
  * 能够应用不同技术栈，实现多语言开发
  * 各个服务可依据本身业务负载状况进行实例和数据等资源扩大

* 职责专一，业务边界清晰

  * 能够按业务组织团队
  * 服务按业务线划分，可缩小业务变动时的影响面，缩小服务外部批改产生的内耗

* 变动和资源隔离

  * 不同层之间的代码或实现形式批改，不影响其余层
  * 组件之间调用线程隔离，并引入熔断机制，能够避免服务一挂全挂的状况

* 高内聚

  * 将大问题分解成小问题，有利于升高实现难度
  * 代码容易了解，开发效率高
  * 有利于代码性能复用

* 各层独立
    * 只需理解以后层的应用，不须要关怀其余层的实现细节
* 变动隔离
    * 不同层之间的代码或实现形式批改，不影响其余层
* 高内聚
    * 将大问题分解成小问题，有利于升高实现难度

高并发性，是零碎从上到下优化革新的后果，从零碎架构到业务解决都要留神解决

架构层面
- 零碎集群化
  - 反向代理 lvs、网关 Nginx、微服务组件、redis 都是集群化部署
  - 多机同时对外提供服务
  - 服务无状态，可有限程度扩容
- 前后端拆散，动态页面服务应用 CDN 减速
- 数据库分库分表、读写拆散
业务层面
- 加缓存
  - 加 redis 缓存，redis 热 key 打散
  - Google Guava 本地缓存
- 代码优化，流程优化
  - 性能低的代码，如汇合类的容量设置，多余的循环，多查的数据，多余的内部申请
- 异步解决
  - 一些非关键业务的落库操作改为异步。如大数据业务染色的 token，异步保留，超线程池后，mq 提早生产
- 并行处理
  - future 加线程池并行处理
- MQ 削峰
  - mq 生产速率固定，可避免峰值申请冲垮零碎
  - mq 提早生产
  - 设置开关，开启则临时不生产，应答冲击顶峰
- 版本探测机制
- 数据增量返回
压测，性能摸底
限流降级
- 网关对接口间接限流，令牌桶算法对占资源的接口限流，如下单、领取等
- 应用层对业务限流，如优惠券应用令牌桶算法，超阈值就异步解决
- 非关键业务间接降级，返回固定值，或服务不可用，敞开风控

高可用通过集群冗余，加故障主动转移实现

零碎集群化，多机同时提供服务
- 入口层：DNS 轮询
- 反向代理层：lvs 的 keeplived+ 虚 ip
- 网关层：nginx 的 upstream 屡次申请一台实例失败，会将这台实例剔除
- 微服务组件层：服务注册与发现，心跳机制
故障主动转移
- 心跳机制，定期续约
- 故障主动剔除
- 主从切换
数据冗余，主从切换机制
redis 缓存：主从复制，故障转移（线上 redis 一主一从，16 台 16G）
数据库：主从同步
流量调配，过载爱护
- 负载平衡：轮询、哈希、随机、固定比例、动静比例
- 限流
  - 限流算法
    - 令牌桶：固定速率往桶中放令牌，可应答突发流量
    - 漏桶：固定速率从桶中流出申请，适应调上游服务承载能力固定的场景
    - 信号量限流：比拟暴力，超过阈值间接抛弃申请
  - 分布式限流算法
    - Nginx 加 lua 实现令牌桶算法对接口进行限流
防故障蔓延
- 降级
- 隔离
- 超时
容灾：多机房、多活
疾速回滚
性能指标监控

分布式系统