分布式事务：从理论到实践（一）

从集中式到分布式

20世纪60年代大型主机被发明出来，凭借其安全性和稳定性的表现成为主流。但从20世纪80年代以来，计算机系统向网络化和微型化的发展日趋明显，传统的集中式处理模式越来越不能适应人们的需求。

集中式最明显的问题就是单点。

随着PC机性能的不断提升和网络技术的快速普及，大型主机的市场份额变得越来越小，很多企业开始放弃原来的大型主机，而改用小型机和普通PC服务器来搭建分布式计算机。

分布式

什么是分布式系统？

“

分布式系统是一个硬件或软件组件分布在不同的网络计算机上，彼此之间仅仅通过消息传递进行通信和协调的系统。

”

一个标准的分布式系统会有以下特征：

• 分布性（多台计算机在空间上随意分布）

• 对等性（副本是分布式系统最常见的概念之一）

• 并发性

• 缺乏全局时钟（缺乏一个全局的时钟序列控制）

• 故障总是发生

从集中式向分布式演变的过程中，必然引入了网络因素，而由于网络本身的不可靠性也引入额外的问题：

• 通信异常

• 网络分区（俗称：“脑裂”）

• 节点故障

虽然问题多多，但总有办法解决，就像解题有公式一样，分布式也有相应的理论支撑，比如：CAP定理和BASE理论。

CAP

“

2000年7月，加州大学伯克利分校的Eric Brewer教授在ACM PODC会议上提出CAP猜想。2年后，麻省理工学院的Seth Gilbert和Nancy Lynch从理论上证明了CAP。之后，CAP理论正式成为分布式计算领域的公认定理。

”

CAP定理告诉我们:一个分布式系统不可能同时满足一致性(C:Consistency),可用性(A:Availability)和分区容错性(P:Partition tolerance)这三个基本要求，最多只能同时满足其中的两项。

-w403

• 一致性 每次读取都能读到最新的写入或错误，等同于所有节点访问同一份最新的数据副本。

• 可用性 每个请求都会收到一个（非错误）响应，但不能保证它包含最新的写操作。

• 分区容错性 尽管节点之间的网络丢弃或延迟了任意数量的消息，但系统仍继续运行。

当网络分区发生故障时，我们应该决定

• 取消操作，从而降低可用性，但确保一致性

• 继续进行操作，从而提供可用性，但存在不一致风险

举例子：

以下是一个有3个结点的系统拓扑：

分布式系统在遇到任何网络分区故障的时候，仍然需要能够保证对外提供满足一致性和可用性的服务，除非是整个网络环境都发生了故障。

假设 M到S1的通信失败，或S1结点挂了，那么就有S1、M和S2这两个分区。

在这种情况下，我们是要容忍的，也就是说在这种情况下，系统还是要能提供服务的，不能因为这样的分区问题整体不能提供服务了。

根据CAP定理所得，CAP只能取其二，我们已经保证了P，那么就只能在C和A之间做选择。

• 选择AP，保证可用性 即让S1、M和S2这两个分区同时提供服务，保证系统的可用，但问题很明显，由于数据不能在M和S1之间同步，而一致性要求每次读取都能读到最新的写入或错误，所以无法保证数据一致性。

• 选择CP，保证一致性 在M和S1无法建立通信的这段时间，系统要进行错误恢复，恢复的这段时间系统对外是不可用状态，而可用性要求每个请求都会收到一个响应，所以无法保证可用性。恢复完成后，系统在可用状态下的数据是一致的，保证了一致性。

注意：上述当我们放弃一致性是指放弃数据的强一致性，而保留数据的最终一致性，这样的系统无法保证数据保持实时的一致性，但是能够承诺的是，数据最终会达到一个一致的状态，这就引入了一个时间窗口的概念，具体多久能够达到数据一致取决于系统的设计，主要包括数据副本在不同节点之间的复制时间长短。面对CAP，在做系统设计时我们会把