我所认知的分布式系统（一）分布式系统概览

前言

我们身处于一个充斥着分布式系统解决方案的计算机时代，而分布式系统是一个很大的概念，从架构设计、研发流程、运维部署、工程效率等多个角度均有很深的知识可以挖掘。

近期整理了过去阅读过的一些和分布式相关书刊和文章，加上自己做分布式开发的一些的心得分享给大家，本文作为开篇，总体上给出知识概览，后续将分篇结合代码实践来进行阐述。起草仓促，水平有限，欢迎大家一起学习指正。

版本历史

分布式系统大图

一、设计

网关模式，Gateway

• 功能

  • 请求路由，客户端直接调用Gateway，Gateway负责路由转发到注册服务上
  • 服务注册，后端服务将API注册，Gateway负责路由

  • 负载均衡，支持多种负载策略

    • round robin
    • 随机均衡算法
    • 多权重负载
    • session粘连
    • 其它
  • 安全特性，支持HTTPS，账户鉴权，及其它安全特性支持
  • 灰度发布，可以针对服务版本或者租户等特性做灰度发布
  • API聚合，将多个后端接口聚合，减少客户端调用次数
  • API编排，通过编排来串接多个API完成特定业务

• 设计要点

  • 可用性，必须保证高可用
  • 扩展性，高扩展性，可以灵活扩展以支持特定业务比如特定业务流控
  • 性能，性能要求高，通常使用异步IO模型框架实现，比如Java netty，Go Channel
  • 安全，如加密通信，鉴权，DDOS防御等

  • 运维

    • 应用监控，包括容量，性能，异常检测等
    • 弹性伸缩，具备高弹性能力，以低成本应对高峰值

  • 架构

    • 与业务解耦合，提供扩展扩展机制比如Plugin，Serverless的思路支持后端业务
    • 服务隔离，可以按照后端服务划分网关，做到不同服务使用不同网关
    • 网关部署靠近后端，保证网络损耗最小，性能最佳

边车模式，Sidecar

• 价值

  • 分离控制与逻辑，分离业务逻辑与路由，流控，熔断，幂等，服务发现，鉴权等控制组件

  • 适用场景

    • 老系统改造扩展，Sidebar进程与服务进程部署在同一个节点，通过网络协议通讯
    • 多语言混合分布式系统扩展
    • 应用程序由多方提供

• 设计要点

  • 标准服务协议，Sidebar到Service，Sidebar到Sidebar协议尽可能与语言解耦
  • 聚合控制逻辑比如流控，熔断，幂等，重试，减少业务逻辑
  • 不要使用对服务侵入的方式进行进程间通讯如信号量，共享内存，优先使用本地网络通讯的方式比如TPCP或者HTTP

服务网格，Service Mesh

• 新一代微服务架构，本质是服务间通信的基础设施层
• 架构图

• 特点

  • 应用间通讯中间层
  • 轻量级网络代理
  • 解耦应用程序
  • 应用程序无感知

• 主流框架

  • Istio
  • Linkerd

分布式锁

• 解决方案

  • Redis分布式锁，SETNX key value PX expiretime

    • value 生成，最好全局唯一比如TraceID，可以使用/dev/urandom生成
    • expiretime单位是毫秒，过期锁自动释放 ，锁持有者保证过期时间内争抢资源完成计算
  • 悲观锁，先获取锁，再进行操作，吞吐量底
  • 乐观锁，使用版本号方式实现，吞吐量高，可能出现，适用于多读情况
  • CAS，修改共享数据源的场景可以代替分布式锁

• 设计要点

  • 排他性，任意条件只有一个client可以获取锁
  • 锁有自动释放方式，比如超时释放
  • 锁必须高可用，且持久化
  • 锁必须非阻塞且可重入
  • 避免死锁，client最终一定可以获取锁，不存在异常情况锁无法释放的情况
  • 集群容错性，集群部分机器故障，锁操作仍然可用

配置中心

• 静态配置，环境及软件启动配置
• 动态配置，运行时动态调整的配置如流控开关，熔断开关等

异步通讯

• 请求响应式，发送方直接向接收方发送请求

  • 发送方主动轮询
  • 发送方注册一个回调函数，接收方处理完成后回调发送方

• 事件驱动设计 EDA

  • 消息订阅，发送方发布消息，接收方订阅并消费消息
  • Broker 中间人，发送方向Broker发布消息，接收方向Broker订阅消息，彼此解耦,比如中间件RocketMQ

  • 事情驱动设计优势

    • 服务间依赖解除
    • 服务隔离程度高

幂等性

• 本质是一个操作，无论执行多少次，执行结果总是一致的

• 幂等核心是全局唯一ID，链路依据全局ID做幂等，依据业务复杂度可以选取多种实现方式

  • 数据库自增长ID
  • 本地生成uuid
  • Redis生产id
  • Twitter开源算法 Snowflake
• HTTP幂等性，除POST外，HEAD，GET，OPTIONS，DELETE，PUT均满足幂等

二、性能

分布式缓存

• 缓存更新模式

  • Cache Aside，常用模式，应用要维护缓存的失效，命中，更新等动作
  • Read/Write Through，缓存代理更新数据库操作，应用视角只有一份存储
  • Write Behind Cache，IO加速方式之一，更新操作只在内测完成，异步进行批量更新数据库

异步处理

• Push模型，中心调度，复杂度高
• Pull模型，无中心调度，复杂度底
• Push+Pull模型

数据库扩展

• 数据库分片

  • 垂直分片

    • 字段拆分，将变化频率不同的字段拆分到不同表

  • 水平分片

    • 哈希算法来分，数据离散度高，降低热点可能性
    • 通过时间范围分片，保证数据连续性
    • 按照业务种类划分，比如数据分类，租户分离等

  • 分片设计要点

    • 分片要预留足够空间，避免重新分片
    • 分片聚合要并行去做
    • 业务尽可能不去做跨分片的事务

三、容错

系统可用性

• MTTF, Mean Time To Failure，系统平均运行多长时间才发生故障，越长越好
• MTTR,Mean Time To Recover, 故障平均修复时间，越短越好
• 可用性计算公式， Availability= MTTF /（MTTF+MTTR）

服务降级

• 降低一致性

  • 强一致性，将所有的同步一致性，切换为最终一致性，提高吞吐量
  • 弱一致性，必要时候牺牲一致性换取服务整体可靠性

• 关闭次要服务

  • 不同应用，关闭次要应用，释放物理资源
  • 相同应用，关闭应用次要功能，更多资源给到核心功能

• 简化服务功能

  • 如简化业务流程，减少通讯数据等

服务限流

• 限流目的

  • SLA保证方式之一
  • 应对突发峰刺流量，一定程度节约容量规划成本
  • 租户隔离策略之一，避免某些用户占用其它用户的资源，导致服务大范围不可用

• 限流方式

  • 服务降级
  • 服务拒绝

• 解决方案

  • 服务权重划分，多租户环境将资源按权重划分，保证重要客户的资源
  • 服务延时处理，加入服务缓冲队列延缓服务压力，用于削峰
  • 服务弹性伸缩，依赖服务监控，弹性伸缩容

• 流控算法

  • 计数器

    • 单机或者集群保存某用户某时间段请求数，达到阈值则触发流控

  • 队列算法

    • FIFO队列

      • 请求速度波动，消费速度均匀，队列满则流控

    • 权重队列

      • 按服务划分优先级队列，不同队列权重不同

    • 队列算法设计关键：队列长度的预设非常关键

      • 队列太长，流控未生效，服务已经被打死
      • 队列太短，流控被频繁触发，体验差

  • 漏斗算法

    • 本质上是队列+限流器实现，限流器保证消费速度均匀类TCP sync backlog
    • 转发速度均匀

  • 令牌桶

    • 中间人已恒定速率向桶里发放令牌，服务请求拿到token则开始服务，否则不处理
    • 转发速度不均匀，流量小时积累，流量大时消费

  • 动态流控

    • 实时计算服务能力如QPS，对比服务RT如果RT过大，则减少QPS

• 设计要点

  • 手动开关，主动运维和应急使用
  • 监控通知，限流发生时干系人要清楚
  • 用户感知，如返回特定错误信息（错误code/错误提示）
  • 链路标识，RPC链路加入限流标识方便上下游业务识别限流场景做不同处理

熔断设计

• 场景

  • 过载保护，系统负载过高情况为防止故障产生，而采取的一种保护措施
  • 防止应用程序不断尝试可能会失败的操作

• 三个状态

  • Closed，闭合状态，正常状态，系统需要一个基于时间线到错误计数器，如果错误累计达到阈值则切换至Open状态
  • Open，断开状态，所有对服务对请求立即返回错误，不用调用后端服务进行计算
  • Half-Open，半开状态，允许部分请求流量进入并处理，如果请求成功则按照某种策略切换到Closed状态

• 设计要点

  • 定义触发熔断的错误类型
  • 所有触发熔断的错误请求必须要有统一的日志输出
  • 熔断机制必须有服务诊断及自动恢复能力
  • 最好为熔断机制设置手动开关用于三种状态的切换
  • 熔断要切分业务，做到业务隔离熔断

补偿事务

• CAP

  • 一致性(Consistence)、可用性(Availability)、分区容忍性(Partition Tolerance)

• BASE

  • Basic Availabillity，基本可用
  • Soft State，软状态
  • Eventual Consistency，最终一致性
• Design For Failure
• Exponential Blackoff，指数级退避

四、DevOps

部署

• 基础设施

  • 云

    • 公有云
    • 私有云
    • 混合云

  • 容器技术

    • Docker
    • Kubernetes

• 部署策略

  • 停机部署
  • 滚动部署
  • 蓝绿部署
  • 灰度部署
  • A/B 测试

配置管理

• Ansible
• Puppet
• Shippable

监控

• Nagios
• DynaTrace

CI与CD

五、工程效率

敏捷管理

• Scrum

持续集成

• Jenkins
• CodeShip

持续交付

写在最后

ECS最为阿里云的核心产品，无论是产品还是技术都有前所未有的机遇与挑战；作为ECS的管控系统，我们天然有着分布式架构的基因与场景，未来我们可能是云计算领域顶层最大的分布式集群，欢迎有志之士加入！