分布式技术大纲

1. 分布式架构VS单体架构

获益从三个方面来考虑：

1. 扩展性；
   集群规模扩展性；
   地理扩展性（数据中心）；
   管理扩展性；
2. 性能；
   指标：短RT（Response Time），低延迟，高吞吐，较低的计算资源占用率；
3. 可用性；
   可用性=可用时间 / （可用时间+不可用时间）。
   考虑容错率，面向失败的设计。

2. 分布式八大技术

2.1 分布式服务

趋势：单体—>多应用；本地调用—>远程调用。
RPC：远程服务调用；consumer，provider。
SOA：服务分布式部署；请求分流；数据操作读写分离。
分布式服务这个领域，阿里内部两大框架：HSF和Dubbo，后者已经开源。

2.1.1 HSF

HSF相关组件：服务注册中心ConfigServer，持久化配置中心Diamond，元数据存储中心Redis，控制台HSFOPS。
流程：客户端发起调用—>路由选址—>负载均衡—>序列化—>协议编码—>发送数据—>接收数据—>协议解码—>分派线程—>反序列化—>服务端反射调用。
4层领域：框架，应用，服务，配置。

1. 框架提供基础功能，负责通信、线程、协议、序列化、编码解码；
2. 应用面向服务框架的注册和发现过程；
3. 服务粒度比较小，包含调用链路、地址路由、负载均衡；
4. 配置：用户使用API进行配置，生成调用代理或者暴露服务。
   调用方式：

• 同步实时调用；
• Future异步调用；
• Callback异步调用（客户端提供回调）；
• Generic调用；
• 服务端async调用；

2.1.2 Dubbo

Dubbo已经开源，提供了高性能的RPC实现服务的输入输出，与Spring框架无缝集成。
三大核心能力：

1. 面向接口的远程方法调用；
2. 智能容错和负载均衡；
3. 服务自动注册和发现；
   四大角色：

• Provider：服务提供方；
• Consumer：服务消费方；
• Registry：注册中心；
• Monitor：监控中心；

2.2 分布式消息

分布式消息主要解决的问题：

1. 应用解耦；
2. 削峰填谷；
3. 保证最终一致性。
   业界常见的分布式消息框架：ActiveMQ，RabbitMQ，Kafka等。
   阿里内部常用的分布式消息框架：MetaQ，RocketMQ等。

2.3 分布式缓存

缓存一般分为本地缓存和分布式缓存。
分布式缓存的关注重点，从CPU、内存、缓存之间的数据传输速度差异扩展到了业务系统、数据库、分布式缓存之间的数据传输速度差异。
常用的分布式缓存有很多，比较典型的如Redis，Tair。

2.3.1 Tair

高性能：基于高速缓存、内存或者SSD；
高扩展：轻量级中间件+三种数据引擎+负载均衡；
高可用：各种容灾部署方式和解决方案；
主要应用场景：

1. 数据库缓存；
2. 临时数据存储（Session数据、用户Token、权限信息等）；
3. 持久化存储（广告推荐类需要离线计算大量数据以及榜单生成等）；
   三种存储模式：
   MDB：Memcached；
   RDB：Redis；
   LDB：LevelDB；
   数据一致性保证：version；
   负载均衡：一致性Hash；
   多级缓存：处理热点问题

2.4 分布式调度

分布式调度，阿里内部使用SchedulerX，市面上可以考虑Elastic-Job。定时任务组件Quartz。
SchedulerX是阿里自研的基于Akka架构的分布式任务调度平台，提供定时、任务编排、分布式跑批等功能。

2.4.1 SchedulerX

主要功能：

1. 强大的定时调度器（cron，fixed rate，fixed delay，日历，时区）：
2. 任务编排（工作流DAG）；
3. 任务类型（java，shell，python，go，自定义）；
4. 执行方式&分布式编程模型（单机、广播、并行计算、内存网格、网格计算）；

2.5 分布式数据库

分布式数据库访问引擎，阿里内部使用TDDL，市面上开源的中间件有ShardingJdbc。

2.5.1 主要作用及应用场景：

1. 垂直分库分表
   ACID被打破：事务操作会受到影响；
   Join操作困难；
   外键约束受影响的问题；
2. 水平分库分表
   自增主键会受到影响；
   有些单表查询会变成多表查询；
3. 读写分离
   数据复制问题：数据复制时间上一定有延迟，短期数据会不一致。数据库复制一般是通过数据库日志bin-log实现的。
   数据源选择问题：即数据路由问题；写走主库，读走从库，事务中的读走主库。

2.5.2 整体层次划分

1. ORM层（Hibernate or Mybatis or Spring JDBC）；
2. TDDL or ShardingJdbc层；
3. 数据库连接池Druid，C3P0等层次；
4. JDBC Driver层；
5. 数据库实体；

2.5.3 主要组件

1. SQL解释器；
2. SQL优化器；
3. SQL路由；
4. SQL执行；
5. 结果归并；
6. 分布式唯一主键生成；

2.6 分布式搜索

阿里内部使用OpenSearch，目前市面上可以使用ElasticSearch或者Solr。
数据推送到搜索引擎这一块的工作，阿里内部可以借助阿里云Odps的数据集成服务来进行定时调度处理；各公司如果没有自研的话，可以考虑通过分布式任务调度来进行相应的逻辑处理。

2.7 分布式事务

跨库，跨系统，跨服务的操作，会发生分布式事务的问题。
阿里内部使用TXC这个分布式事务中间件，通过极少的代码侵入就可以实现分布式事务。
TXC已经开源。大部分情况下仅需要引入TXC Client的jar包，进行几个简单的配置以及数行代码改造，就可以轻松保证分布式数据一致性。
TXC提供了丰富的编程和配置策略，以适应各种长尾的应用需求。
** 分布式事务：是指事务的参与者、支持事务的服务器、资源服务器、事务管理器分别位于不同的分布式系统的不同节点之上**

2.7.1 分布式事务解决方案

1. 两阶段提交
   第一阶段表决，第二阶段执行；
   2PC可以满足强一致性ACID，但是代价是吞吐量（譬如数据库需要频繁地对资源上锁，而且上锁时间跨两个阶段，时间较长，并出现木桶效应）。
   2PC理论的一个广泛工业应用是XA协议，目前几乎所有收费的商业数据库都支持XA协议。但是对吞吐量的影响导致其应用较少。
2. TCC
   Try，Confirm，Cancel三个操作集，事务补偿机制。
   实现的是最终一致性：事务进行过程中，某些分支的中间状态可以被事务外所观察到，即“读未提交”，从而导致多个分支的状态可能不一致。但是所有分支最终会达到要么全部提交，要么全部回滚的一致状态。

2.7.2 TXC

TXC结合DRDS解决分布式事务的问题。
分布式事务场景：

1. 跨多个数据库的事务场景（数据库类型不同）；
2. 跨数据库系统、消息系统的事务场景；
3. 跨服务的事务场景；
   TXC三个组件

• 客户端TXC-Client；
• 事务协调器TXC-Server；
• 资源管理器RM；

2.8 分布式计算

分布式计算氛围实时计算和离线计算。
在阿里内部，离线计算一般跑在ODPS上；实时计算可以使用Spark，Storm，Flume，Flink等。

标签：事务,调用,大纲,数据库,TXC,技术,缓存,分布式
来源： https://blog.csdn.net/achang07/article/details/96583401