分布式系統(tǒng)在互聯網公司中的應用已經非常普遍，開源軟件層出不窮。hadoop生態(tài)系統(tǒng)，從hdfs到hbase，從mapreduce到spark，從storm到spark streaming, heron, flink等等，如何在開源的汪洋中不會迷失自己？本文將從基本概念、架構并結合自己學習工作中的感悟，闡述如何學習分布式系統(tǒng)。由于分布式系統(tǒng)理論體系非常龐大，知識面非常廣博，筆者能力有限，不足之處，歡迎討論交流。

常見的分布式系統(tǒng)分為數據存儲系統(tǒng)如hdfs，hbase；數據處理計算系統(tǒng)如storm、spark、flink；數據存儲兼分析混合系統(tǒng)，這類系統(tǒng)在數據存儲的基礎上提供了復雜的數據搜索查詢功能，如elastic search、druid。對于存儲兼計算的系統(tǒng)，我們仍然可以分開分析，所以本文會從數據存儲和計算兩種系統(tǒng)來論述。

文章的大致結構：第一部分，分布式系統(tǒng)的基本概念；第二、三部分分別詳細論述數據存儲和數據計算系統(tǒng)；最后一部分總結。

概念

分布式系統(tǒng)：每個人都在提分布式系統(tǒng)，那么什么是分布式系統(tǒng)？其基本概念就是組件分布在網絡計算機上，組件之間僅僅通過消息傳遞來通信并協(xié)調行動。

A distributed system is one in which

components located at networked computers communicate and coordinate their

actions only by passing messages. （摘自分布式系統(tǒng)概念和設計）

節(jié)點：節(jié)點可以理解為上述概念提到的組件，其實完成一組完整邏輯的程序個體，對應于server上的一個獨立進程。一提到節(jié)點，就會考慮節(jié)點是有狀態(tài)還是無狀態(tài)的？判斷標準很簡單，該獨立節(jié)點是否維護著本地存儲的一些狀態(tài)信息，或者節(jié)點是不是可以隨時遷移到其他server上而保持節(jié)點的行為和以前一致，如果是的話，則該節(jié)點是無狀態(tài)，否則是有狀態(tài)的。

異常：異常處理可以說是分布式系統(tǒng)的核心問題，那么分布式異常處理相對于單機來說，有什么不同呢？在單機系統(tǒng)中，對于程序的處理結果是可以預知的，要么成功，要么失敗，結果很明確。可在分布式環(huán)境中，處理結果除了明確返回成功或失敗，還有另外一種狀態(tài)：超時，那超時意味著處理結果完全不確定，有可能成功執(zhí)行，也有可能執(zhí)行失敗，也有可能根本沒執(zhí)行，這給系統(tǒng)開發(fā)帶來了很大的難度。其實各種各樣的分布式協(xié)議就是保證系統(tǒng)在各種異常情形下仍能正常的工作，所以在學習分布式系統(tǒng)時，要著重看一下文檔異常處理fault-tolerance章節(jié)。

CAP理論：學習分布式系統(tǒng)中需要重要理解的理論，同時在架構設計中也可以用到這個理論，例如在一些情形下我們可以通過降低一致性來提高系統(tǒng)的可用性，將數據的每次數據庫更新操作變成批量操作就是典型的例子。

CAP理論，三個字母代表了系統(tǒng)中三個相互矛盾的屬性：

C（Consistency）：強一致性，保證數據中的數據完全一致；

A（Available）：在系統(tǒng)異常時，仍然可以提供服務，注：這兒的可用性，一方面要求系統(tǒng)可以正常的運行返回結果，另一方面同樣對響應速度有一定的保障；

P（Tolerance to the partition of network ）：既然是分布式系統(tǒng)，很多組件都是部署在不同的server中，通過網絡通信協(xié)調工作，這就要求在某些節(jié)點服發(fā)生網絡分區(qū)異常，系統(tǒng)仍然可以正常工作。

CAP 理論指出，無法設計一種分布式協(xié)議同時完全具備CAP屬性。

從以上CAP的概念我們得出一個結論，在技術選型時，根據你的需求來判斷是需要AP高可用性的系統(tǒng)（容忍返回不一致的數據）還是CP強一致性的系統(tǒng)，或者根據系統(tǒng)提供的參數在AC之間權衡。（可能會有讀者會問，為什么一定需要P呢？既然是分布式系統(tǒng)，在網絡分區(qū)異常情況下仍然正常提供服務是必須的。）

數據存儲系統(tǒng)

當數據量太大以及已經超過單機所能處理的極限時，就需要使用到數據存儲分布式系統(tǒng)。無論是選擇開源系統(tǒng)還是自己設計，第一個要考慮的問題就是數據如何分布式化。

數據分布方式

哈希方式：哈希方式是最常見的數據分布方式?？梢院唵蜗胂笥幸粋€大的hash表，其中每個桶對應的一臺存儲服務器，每條數據通過某種方式計算出其hash值分配到對應的桶中。 int serverId = data.hashcode % serverTotalNum 上面只是一個簡單的計算公式示例，通過這種方式就可以將數據分配到不同的服務器上。

優(yōu)點：不需要存儲數據和server映射關系的meta信息，只需記錄serverId和server

ip映射關系即可。

缺點：可擴展性不高，當集群規(guī)模需要擴展時，集群中所有的數據需要遷移，即使在最優(yōu)情況下——集群規(guī)模成倍擴展，仍然需要遷移集群一半的數據（這個問題有時間可以考慮一下，為啥只需要遷移一半？）；另一個問題：數據通過某種hash計算后都落在某臺服務器上，造成數據傾斜（data skew）問題。

應用例子：ElasticSearch數據分布就是hash方式，根據routingId取模映射到對應到不同node上。

數據范圍分布：將數據的某個特征值按照值域分為不同區(qū)間。比如按時間、區(qū)間分割，不同時間范圍劃分到不同server上。

優(yōu)點：數據區(qū)間可以自由分割，當出現數據傾斜時，即某一個區(qū)間的數據量非常大，則可以將該區(qū)間split然后將數據進行重分配；集群方便擴展，當添加新的節(jié)點，只需將數據量多的節(jié)點數據遷移到新節(jié)點即可。

缺點：需要存儲大量的元信息（數據區(qū)間和server的對應關系）。

應用例子：Hbase的數據分布則是利用data的rowkey進行區(qū)間劃分到不同的region server，而且支持region的split。

數據量分布：按數據量分布，可以考慮一個簡單例子：當使用log文件記錄一些系統(tǒng)運行的日志信息時，當日志文件達到一定大小，就會生成新的文件開始記錄后續(xù)的日志信息。這樣的存儲方式和數據的特征類型沒有關系，可以理解成將一個大的文件分成固定大小的多個block。

優(yōu)點：不會有數據傾斜的問題，而且數據遷移時速度非常快（因為一個文件由多個block組成，block在不同的server上，遷移一個文件可以多個server并行復制這些block）。

缺點： 需要存儲大量的meta信息（文件和block的對應關系，block和server的對應關系）。

應用例子：Hdfs的文件存儲按數據量block分布。

一致性哈希：前文剛提到的哈希方式，當添加刪除節(jié)點時候，所有節(jié)點都會參與到數據的遷移，整個集群都會受到影響。那么一致性哈?？梢院芎玫慕鉀Q這個問題。一致性哈希和哈希的數據分布方式大概一致，唯一不同的是一致性哈希hash的值域是個環(huán)。

優(yōu)點：集群可擴展性好，當增加刪除節(jié)點，只影響相鄰的數據節(jié)點。

缺點：上面的優(yōu)點同時也是缺點，當一個節(jié)點掛掉時，將壓力全部轉移到相鄰節(jié)點，有可能將相鄰節(jié)點壓垮。

應用例子：Cassandra數據分布使用的是一致性hash，只不過使用的是一致性hash改良版：虛擬節(jié)點的一致性hash（有興趣的可以研究下）。

討論完數據分布問題，接下來該考慮如何解決當某個節(jié)點服務不可達的時候系統(tǒng)仍然可以正常工作（分布式系統(tǒng)CAP中網絡分區(qū)異常問題）？這個問題的解決方案說起來很簡單，就是將數據的存儲增加多個副本，而且分布在不同的節(jié)點上，當某個節(jié)點掛掉的時候，可以從其他數據副本讀取。

引入多個副本后，引來了一系列問題：多個副本之間，讀取時以哪個副本的數據為準呢，更新時什么才算更新成功，是所有副本都更新成功還是部分副本更新成功即可認為更新成功？這些問題其實就是CAP理論中可用性和一致性的問題。其中primary-secondary副本控制模型則是解決這類問題行之有效的方法。

主從（primary-secondary ）模型是一種常見的副本更新讀取模型，這種模型相對來說簡單，所有的副本相關控制都由中心節(jié)點控制，數據的并發(fā)修改同樣都由主節(jié)點控制，這樣問題就可以簡化成單機問題，極大的簡化系統(tǒng)復雜性。

注：常用的副本更新讀取架構有兩種：主從（primary-secondary）和去中心化（decentralized）結構，其中主從結構較為常見，而去中心化結構常采用paxos、raft、vector time等協(xié)議，這里由于本人能力有限，就不再這兒敘述了，有興趣可以自己學習，歡迎補充。

其中涉及到主從副本操作有以下幾種：

副本的更新

副本更新基本流程：數據更新操作發(fā)到primary節(jié)點，由primary將數據更新操作同步到其他secondary副本，根據其他副本的同步結果返回客戶端響應。各類數據存儲分布式系統(tǒng)的副本更新操作流程大體是一樣的，唯一不同的是primary副本更新操作完成后響應客戶端時機的不同，這與系統(tǒng)可用性和一致性要求密切相關。

以mysql的master slave簡單說明下，通常情況下，mysql的更新只需要master更新成功即可響應客戶端，slave可以通過binlog慢慢同步，這種情形讀取slave會有一定的延遲，一致性相對較弱，但是系統(tǒng)的可用性有了保證；另一種slave更新策略，數據的更新操作不僅要求master更新成功，同時要求slave也要更新成功，primary和secondray數據保持同步，系統(tǒng)保證強一致性，但可用性相對較差，響應時間變長。

上述的例子只有兩個副本，如果要求強一致性，所有副本都更新完成才認為更新成功，響應時間相對來說也可以接受，但是如果副本數更多，有沒有什么方法在保證一定一致性同時滿足一定的可用性呢？這時就需要考慮Quorum協(xié)議，其理論可以用一個簡單的數學問題來說明：

有N個副本，其中在更新時有W個副本更新成功，那我們讀取R個副本，W、R在滿足什么條件下保證我們讀取的R個副本一定有一個副本是最新數據（假設副本都有一個版本號，版本號大的即為最新數據）？

問題的答案是：W+R > N (有興趣的可以思考下)

通過quorum協(xié)議，在保證一定的可用性同時又保證一定的一致性的情形下，設置副本更新成功數為總副本數的一半（即N/2+1）性價比最高。（看到這兒有沒有想明白為什么zookeeper server數最好為基數個？）

副本的讀取

副本的讀取策略和一致性的選擇有關，如果需要強一致性，我們可以只從primary副本讀取，如果需要最終一致性，可以從secondary副本讀取結果，如果需要讀取最新數據，則按照quorum協(xié)議要求，讀取相應的副本數。

副本的切換

當系統(tǒng)中某個副本不可用時，需要從剩余的副本之中選取一個作為primary副本來保證后續(xù)系統(tǒng)的正常執(zhí)行。這兒涉及到兩個問題：

副本狀態(tài)的確定以及防止brain split問題：一般方法是利用zookeeper中的sesstion以及臨時節(jié)點，其基本原理則是lease協(xié)議和定期heartbeat。Lease協(xié)議可以簡單理解成參與雙方達成一個承諾，針對zookeeper，這個承諾就是在session有效時間內，我認為你的節(jié)點狀態(tài)是活的是可用的，如果發(fā)生session timeout，認為副本所在的服務已經不可用，無論誤判還是服務真的宕掉了，通過這種機制可以防止腦裂的發(fā)生。但這樣會引起另外一個問題：當在session timeout期間，primary 副本服務掛掉了，這樣會造成一段時間內的服務不可用。

primary副本的確定：這個問題和副本讀取最新數據其實是一個問題，可以利用quoram以及全局版本號確定primary副本。zookeeper在leader選舉的過程中其實利用了quoram以及全局事務id——zxid確定primary副本。

存儲架構模型

關于數據的分布和副本的模型這些細節(jié)問題已經詳細敘述，那么從系統(tǒng)整體架構來看，數據存儲的一般流程和主要模塊都有哪些呢？從元數據存儲以及節(jié)點之間的membership管理方面來看，主要分以下兩類：

中心化的節(jié)點membership管理架構

這類系統(tǒng)主要分為三個模塊：client模塊，負責用戶和系統(tǒng)內部模塊的通信；master節(jié)點模塊，負責元數據的存儲以及節(jié)點健康狀態(tài)的管理；data節(jié)點模塊，用于數據的存儲和數據查詢返回。

數據的查詢流程通常分兩步：1. 向master節(jié)點查詢數據對應的節(jié)點信息；2. 根據返回的節(jié)點信息連接對應節(jié)點，返回相應的數據。

分析一下目前常見的數據存儲系統(tǒng)，從hdfs，hbase再到Elastic Search，通過與上述通用系統(tǒng)對比，發(fā)現：master節(jié)點模塊具體對應hdfs的namenode、hbase的hMaster、Elastic

Search的master節(jié)點；data節(jié)點對應hdfs的datanode、hbase的region server、Elastic Search的data node。

去中心化的節(jié)點membership管理架構

與上一模型比較，其最大的變化就是該架構中不存在任何master節(jié)點，系統(tǒng)中的每個節(jié)點可以做類似master的任務：存儲系統(tǒng)元信息以及管理集群節(jié)點。

數據的查詢方式也有所不同，client可以訪問系統(tǒng)中的任意節(jié)點，而不再局限于master節(jié)點，具體查詢流程如下：1. 查詢系統(tǒng)中任意節(jié)點，如果該數據在此節(jié)點上則返回相應的數據，如果不在該節(jié)點，則返回對應數據的節(jié)點地址，執(zhí)行第二步；2. 獲得數據對應的地址后向相關請求數據。

節(jié)點之間共享狀態(tài)信息是如何做到的呢？常用的方法是使用如gossip的協(xié)議以及在此基礎之上開發(fā)的serf框架，感興趣的話可以參考redis cluster 和 consul實現。

數據計算處理系統(tǒng)

常用的數據計算主要分為離線批量計算，可以是實時計算，也可以是準實時mini-batch計算，雖然開源的系統(tǒng)很多，且每個系統(tǒng)都有其側重點，但有些問題卻是共性相通的。

數據投遞策略

在數據處理中首先要考慮一個問題，我們的數據記錄在系統(tǒng)中會被處理幾次（包括正常情形和異常情形）：

at most once：數據處理最多一次，這種語義在異常情況下會有數據丟失；

at least once：數據處理最少一次，這種語義會造成數據的重復；

exactly once：數據只處理一次，這種語義支持是最復雜的，要想完成這一目標需要在數據處理的各個環(huán)節(jié)做到保障。

如何做到exactly once，需要在數據處理各個階段做些保證：

數據接收：由不同的數據源保證。

數據傳輸：數據傳輸可以保證exactly once。

數據輸出：根據數據輸出的類型確定，如果數據的輸出操作對于同樣的數據輸入保證冪等性，這樣就很簡單（比如可以把kafka的offset作為輸出mysql的id），如果不是，要提供額外的分布式事務機制如兩階段提交等等。

異常任務的處理

異常處理相對數據存儲系統(tǒng)來說簡單很多，因為數據計算的節(jié)點都是無狀態(tài)的，只要啟動任務副本即可。

注意：異常任務除了那些失敗、超時的任務，還有一類特殊任務——straggler（拖后腿）任務，一個大的Job會分成多個小task并發(fā)執(zhí)行，發(fā)現某一個任務比同類型的其他任務執(zhí)行要慢很多（忽略數據傾斜導致執(zhí)行速度慢的因素）。

其中任務恢復策略有以下幾種：

簡單暴力，重啟任務重新計算相關數據，典型應用：storm，當某個數據執(zhí)行超時或失敗，則將該數據從源頭開始在拓撲中重新計算。

根據checkpoint重試出錯的任務，典型應用：mapreduce，一個完整的數據處理是分多個階段完成的，每個階段（map 或者reduce）的輸出結果都會保存到相應的存儲中，只要重啟任務重新讀取上一階段的輸出結果即可繼續(xù)開始運行，不必從開始重新執(zhí)行該任務。

背壓——Backpressure

在數據處理中，經常會擔心這樣一個問題：數據處理的上游消費數據速度太快，會不會壓垮下游數據輸出端如mysql等。 通常的解決方案：上線前期我們會做詳細的測試，評估數據下游系統(tǒng)承受的最大壓力，然后對數據上游進行限流的配置，比如限制每秒最多消費多少數據。其實這是一個常見的問題，現在各個實時數據處理系統(tǒng)都提供了背壓的功能，包括spark streaming、storm等，當下游的數據處理速度過慢，系統(tǒng)會自動降低上游數據的消費速度。

對背壓感興趣朋友們，或者有想法自己實現一套數據處理系統(tǒng)，可以參考Reactive Stream，該項目對通用數據處理提供了一種規(guī)范，采用這種規(guī)范比較有名的是akka。

數據處理通用架構

數據處理的架構大抵是相似的，通常包含以下幾個模塊：

client： 負責計算任務的提交。

scheduler ： 計算任務的生成和計算資源的調度，同時還包含計算任務運行狀況的監(jiān)控和異常任務的重啟。

worker：計算任務會分成很多小的task，worker負責這些小task的執(zhí)行同時向scheduler匯報當前node可用資源及task的執(zhí)行狀況。

上圖是通用的架構模型圖，有些人會問這是hadoop

v1版本的mapreduce計算框架圖，現在都已經yarn模式的新的計算框架圖，誰還用這種模式？哈哈，說的對，但是現在仍然有些處理框架就是這種模型————storm。

不妨把圖上的一些概念和storm的概念映射起來：Job tracker 對應于 nimbus，task tracker 對應于 supervisor，每臺supervisor 同樣要配置worker slot，worker對應于storm中的worker。這樣一對比，是不是就覺得一樣了？

這種框架模型有它的問題，責任不明確，每個模塊干著多樣工作。例如Job tracker不僅要監(jiān)控任務的執(zhí)行狀態(tài)，還要負責任務的調度。TaskTracker也同樣，不僅要監(jiān)控task的狀態(tài)、執(zhí)行，同樣還要監(jiān)控節(jié)點資源的使用。

針對以上問題，基于yarn模式的新的處理架構模型，將任務執(zhí)行狀態(tài)的監(jiān)控和任務資源的調度分開。原來的Job tracker分為resource manger 負責資源的調度，任務執(zhí)行的監(jiān)控則交給每個appMaster來負責，原來的task tracker，變?yōu)榱薾ode manager，負責資源的監(jiān)控和task的啟動，而task的執(zhí)行狀態(tài)和異常處理則交給appMaster處理。

同樣的，twitter 根據storm架構方面的一些問題，推出了新的處理框架heron，其解決的問題也是將任務的調度和任務的執(zhí)行狀態(tài)監(jiān)控責任分離，引入了新的概念Topology Master，類似于這兒的appMaster。

總結

分布式系統(tǒng)涵蓋的內容非常多，本篇文章主要從整體架構以及概念上介紹如何入門，學習過程有一些共性的問題，在這兒總結一下：

先分析該系統(tǒng)是數據存儲還是計算系統(tǒng)。

如果是數據存儲系統(tǒng)，從數據分布和副本策略開始入手；如果是數據處理問題，從數據投遞策略入手。

讀對應系統(tǒng)架構圖，對應著常用的架構模型，每個組件和已有的系統(tǒng)進行類比，想一下這個組件類似于hdfs的namenode等等，最后在腦海里梳理下數據流的整個流程。

在了解了系統(tǒng)的大概，著重看下文檔中fault tolerence章節(jié)，看系統(tǒng)如何容錯，或者自己可以預先問些問題，比如如果一個節(jié)點掛了、一個任務掛了系統(tǒng)是如何處理這些異常的，帶著問題看文檔。

文檔詳細讀了一遍，就可以按照官方文檔寫些hello world的例子了，詳細查看下系統(tǒng)配置項，隨著工作的深入就可以看些系統(tǒng)的細節(jié)和關鍵源碼了。

————————————————————————————————————

想了解更多前沿技術，想獲取最新免費編程資源視頻源碼筆記，小伙伴請往下看！

qun號是：八六四，六三四，八四五。qun內有很多開發(fā)工具，很多干貨和技術資料分享！

如果您覺得此篇文章對您有幫助，歡迎關注微信公眾號：大禹編程，您的支持是對我最大的鼓勵！共同學習，共同進步: