15、成功扩展：集群化与Akka集群实践

成功扩展：集群化与Akka集群实践

1. 一致性的滑动标尺

在实际应用中，一致性、可用性和分区容错性（CAP）这三个权衡指标并非非此即彼的选择，而更像是可以调节的滑块。

在最终一致性系统里，若要查找的记录有三个副本，不同的查询方式会带来不同的一致性程度：
- 低一致性 ：只要求任意一个节点返回记录。
- 较高一致性 ：要求三个节点中的任意两个返回数据。
- 最高一致性 ：要求所有三个节点都提供结果。

获取节点数据后，可借助多种机制对记录排序，从而选取最新的记录。不过，追求高一致性可能会牺牲分区容错性。若需要所有三个副本都可用，那么就无法容忍其中一个节点消失。通常，只要求多数节点正常运行并提供视图，是在一致性和分区容错性之间的不错权衡。

由于节点时钟往往无法完美同步，排序本身也是个问题，因此会使用诸如向量时钟等其他排序机制。

同样，在CP（一致性和分区容错性）系统中，允许从次要节点读取数据，可牺牲一些一致性来换取更高的可用性。若将写操作保留在主节点上，写操作仍能保持高度一致，但读操作变为最终一致，这样数据库在读操作上就变成了AP（可用性和分区容错性）系统。

我们可以根据具体用例“调整”CAP策略，以满足自身需求。甚至可以在同一应用的同一数据存储中，针对不同类型的数据混合使用这些策略。

2. 使用Akka集群构建系统

这里将重新探讨文章解析和键值存储两个问题，并介绍如何使用Akka集群将它们分布到多个服务器上。假设已构建的应用需要扩展到单个