旅游电商

摘要：每逢节假日，当全国几百万小伙伴同时查票、订票时，12306是如何保障余票显示准、车票不超卖的？为你揭开背地的关键技术：数据强一致性。本文分享自华为云社区《5.1特辑 | 为什么显示有票你却抢不到？技术揭秘12306如何保障车票不超卖》，原文作者：技术火炬手 。 眼瞅着五一小长假就要来了，小云还在为没有抢到高铁票心急如焚。 她再次关上APP，一遍遍刷新，发现还有余票2张，连忙下单，一顿操作猛如虎，后果还是没抢到。 但认真想想也能了解：从勾选乘车人到正式下单，整个流程至多须要10秒，如果“见者有份”，恐怕这两个座位大家要挤挤共用了。 那么，每逢节假日，当全国几百万小伙伴同时查票、订票时，12306是如何保障余票显示准、车票不超卖的？ 于是，按捺不住好奇心的咱们，进行了一番深入研究。原来问题背地暗藏着一个分布式数据库畛域极其要害的技术——数据强一致性保障。 1. 什么是强统一？在介绍概念之前，咱们无妨先来模仿一场球赛直播。 假如笔者做了一款APP，后盾应用上图的主从数据库。比分写入主节点，从节点分担用户查问。较量中，Alice惊呼较量完结，Bob闻声刷新APP，却显示较量仍在持续！Bob体验到了显著的数据不统一，于是默默给APP打了个差评…… 那么，产生不统一的起因到底是什么？ 异步复制时，主节点不期待从节点写入就间接返回了。因为网络提早等起因，从节点无奈保障更新工夫。Alice和Bob明明在同时同地查问同一零碎，失去正确后果却有先有后。其实这就是典型的弱一致性。 实际上，为解决单点故障、加强吞吐性能，分布式数据库外部都会对同一份数据进行复制，把冗余正本扩散保留到不同节点上。简略的异步复制只能构建出弱统一零碎，很难满足业务要求。 那么，到底什么样的一致性才靠谱？有哪些类别？上面咱们就来意识这个神秘家族！ 1.1 强一致性/线性一致性（Linearizability）强一致性/线性一致性是一致性的最高规范，实现难度最高。外围要求是：一旦写操作实现，随后任意客户端的查问都必须返回这一新值。以下图为例，一旦“写入b”实现，必须保障读到b。而写入过程中，认为值的跳变可能产生在某一瞬间，因而读到a或b都是可能的。 从业务角度来说，强一致性带来的体验几乎能够用丝滑来形容！因为它外部的数据“好像”只有一份，即便并发拜访不同节点，每个操作也都能原子有序。正因如此，强统一数据库在业务架构中往往被用在要害地位。 etcd是强统一俱乐部里的元老。它基于Raft共识算法，真正实现了强统一，也因而在Leader选举、服务发现等场景起到重要作用。GaussDB(for Redis)作为一款分布式云数据库，凭借多年潜心打磨，也是强统一的代言人。 1.2 程序一致性（Sequential Consistency）程序一致性弱于线性统一，不保障操作的全局时序，但保障每个客户端操作能按程序被执行。下图中，A先写x=10，后写x=20；B先写x=99，后写x=999。当C读取时，程序一致性保障了10先于20被读到、99先于999被读到。 Zookeeper基于ZAB协定，所有写操作都经由主节点协调，实现了程序一致性。 1.3 因果一致性（Causal Consistency）进一步放宽要求，因果一致性只对并发拜访中具备因果关系的操作保序。例如： A写入3，B读到后乘以100再更新它。在这个场景下，因为“A写入3”与“B写入300”有着明确因果关系，因果一致性保障300晚于3被读到。 因果一致性多用于各种博客的评论零碎、社交软件等。毕竟，咱们回复某条评论的内容，不应早于评论自身被显示进去。 1.4 最终一致性（Eventual Consistency）它指的是进行写入并期待一段时间，最终所有客户端都能读到雷同的新数据，但具体时限不作保障。许多分布式数据库都满足最终一致性，如MySQL主从集群等。 然而，这其实是一个十分弱的保障。因为不确定零碎外部过多久能力收敛统一，在此之前，用户随时可能体验到数据不统一。因而最终一致性有人造的局限性，常常会给业务逻辑带来凌乱。 1.5 弱一致性（Weak Consistency）说弱一致性最为“厚脸皮”也不为过，因为它连数据写入后未来被读到都不能保障。弱一致性实现技术门槛低，利用场景也不多。严格来说，单纯的开源Redis主从集群就属于这一类别。 OK，一致性家族的各位成员曾经跟大家打过照面。显然，一致性越强的数据库系统，可能撑持的业务场景越多。有的业务同学小声说，强统一技术再牛，可我业务简略，不必也没关系吧。实际上恰恰相反： 强统一不仅仅是技术问题，它更是一个不可漠视的业务需要、运维需要！ 接下来咱们就先来聊一聊：业务上那些只有强统一能力搞定的事儿！ 2 强统一是业务刚需2.1 计数器/限流器计数服务是典型的强统一利用场景。电商在秒杀流动中，往往会搭建Redis主从集群给上层MySQL做缓存。因为要抗住超大流量，须要Redis的计数器性能做限流。简略讲，咱们初始化counter=5000。随后每次业务拜访都执行DECR命令，当counter归零就阻塞后续申请。此外，每隔一个时间段重置counter=5000，通过这样的伎俩来实现“细水长流”。 然而，完满的假如还不够！ 开源Redis采纳异步复制，如遇网络不畅，常常产生主节点复制buffer沉积。这将导致从节点counter偏大很多。此时，一旦主节点宕机，切换到从节点继续执行DECR命令，压力很容易超出阈值，全副落到上层软弱的MySQL，随时可能引起零碎雪崩！ 因而，在限流场景下，只有真正的强统一能力提供牢靠的计数器。 2.2 Leader选举当业务部署的节点较多、可用性要求高时，往往要用到Leader选举。etcd作为强统一KV存储，能完满cover这一场景。etcd依赖两大性能实现Leader选举： （1）TTL：给key设置有效期，到期后key主动删除。 （2）CAS：对key的原子操作 （这一性能只有强统一数据库能力实现） ，应用etcd搭建Leader选举服务的设计如下： 1）约定key，用于选举时抢占。其value用于保留Leader节点名称。 2）约定TTL，用于给key设定有效期。 3）启动时：每个参加节点尝试cas create key&设置TTL。在etcd集群强统一CAS机制保障下，只有一个节点能执行胜利。该节点成为Leader并将名称写入value；其余节点成为Follower。 4）运行中：每个节点定期TTL/2尝试get key，将value与本身名称比照： 如雷同，阐明已是Leader，尔后只需每隔TTL/2刷新key的TTL即可。 如不同，阐明是Follower，接下来要每隔TTL/2执行cas create key&设置TTL。 5）当Leader节点异样退出，无奈刷新TTL，key会很快过期。此时，其余Follow之中便会有新的Leader产生。 从原理上能看出，强统一能力是Leader选举的根基。相似的“刚需”业务场景还有很多，强统一不可或缺。 好了，业务上的事儿就聊到这里，接下来让咱们听听运维怎么说。 3. 强统一为运维减负3.1 辅助组件架构简单、问题难定位后盾架构中，MySQL主从热备也是常见的部署形式。因为数据保留在本地磁盘中，当主库产生重大故障，仅仅依附MySQL本身同步机制，主从切换后无奈保障所提供数据与之前状态完全一致。于是呈现了“重量级”的辅助组件——MHA（Master High Availability）。咱们来看一下它的部署形式： ...