目标

1. 了解分布式架构中的相关概念
2. 初始分布式架构及意义
3. 分布式架构的发展过程和历史
4. 分布式架构的演进过程
5. 构建分布式架构最重要的因素

1 分布式架构的发展历史

1946 年情人节(2.14) , 世界上第一台电子数字计算机诞生在美 国宾夕法尼亚大学大学，它的名字是:ENIAC; 这台计算机占地 170 平米、重达 30 吨，每秒可进行 5000 次加法运算。 第一台电子计算机诞生以后，意味着一个日新月异的 IT 时代 的到来。一方面单台计算机的性能每年都在提升:从最早的 8 位 CPU 到现在的 64 位 CPU;从早期的 MB 级内存到现在的 GB 级别内存;从慢速的机械存储到现在的固态 SSD 硬盘存储。

• tips:冯诺依曼模型
  

ENIAC 之后，电子计算机便进入了 IBM 主导的大型机时代，IBM 大 型机之父吉恩.阿姆达尔被认为是有史以来最伟大的计算机设计师 之一。1964 年 4 月 7 日，在阿姆达尔的带领下，历时三年，耗费 50 亿美元，第一台 IBM 大型机 SYSTEM/360 诞生。这使得 IBM 在 20 实际 50~60 年代统治整个大型计算机工业，奠定了 IBM 计算机 帝国的江山。

• IBM 大型机曾支撑美国航天登月计划
• IBM 主机一直服务于金融等核心行业的关键领域

由于高可靠性和超强的计算能力，即便在 X86 和云计算飞速发展的情况下,IBM 的大型机依然牢牢占据着一定的高端市场份额 20 世纪 80 年代，在大型机霸主的时代，计算机架构同时向两 个方向发展

• 以 CISC (微处理器执行的计算机语言指令集) CPU 为架构 的价格便宜的面向个人的 PC
• 以 RISC (精简指令集计算机) CPU 为架构的价格昂贵的面 向企业的小型 UNIX 服务器

2 分布式架构发展的里程碑

大型主机的出现。凭借着大型机超强的计算和 I/O 处理能力、 稳定性、安全性等，在很长一段时间内，大型机引领了计算机 行业及商业计算领域的发展。而集中式的计算机系统架构也成 为了主流。随着计算机的发展，这种架构越来越难以适应人们 的需求，比如说

1. 由于大型主机的复杂性，导致培养一个能够熟练运维大型 主机的人的成本很高

2. 大型主机很贵，一般只有土豪(政府、金融、电信)才能用得 起

3. 单点问题，一台大型主机出现故障，那么整个系统将处于不 可用状态。而对于大型机的使用群体来说，这种不可用导致的 损失是非常大的

4. 科技在进步，技术在进步。PC 机性能不断提升，很多企业 放弃大型机改用小型机及普通 PC 来搭建系统架构

3 阿里巴巴在 2009 年发起了一项"去 IOE"运动

IOE 指的是 IBM 小型机、Oracle 数据库、EMC 的高端存储 2009 年“去 IOE”战略透露，到 2013 年 5 月 17 日最后一台 IBM 小型机在支付宝下线。

3.1 为什么要去 IOE?

阿里巴巴过去一直采用的是 Oracle 数据库，并利用小型机和 高端存储设备提供高性能的数据处理和存储服务。随着业务的 不断发展，数据量和业务量呈爆发性增长，传统的集中式 Oracle 数据库架构在扩展性方面遭遇瓶颈。 传统的商业数据库软件(Oracle,DB2)，多以集中式架构为主， 这些传统数据库软件的最大特点就是将所有的数据都集中在 一个数据库中，依靠大型高端设备来提供高处理能力和扩展性。 集中式数据库的扩展性主要采用向上扩展(Scale up)的方式， 通过增加 CPU，内存，磁盘等方式提高处理能力。这种集中式 数据库的架构，使得数据库成为了整个系统的瓶颈，已经越来越不适应海量数据对计算能力的巨大需求

4 分布式系统的意义

1. 升级单机处理能力的性价比越来越低
   单机的处理能力主要依靠 CPU、内存、磁盘。通过更换硬件 做垂直扩展的方式来提升性能，成本会越来越高。
2. 单机处理能力存在瓶颈
   单机处理能力存在瓶颈，CPU、内存都会有自己的性能瓶颈， 也就是说就算你是土豪不惜成本去提升硬件，但是硬件的发 展速度和性能是有限制的。
3. 稳定性和可用性这两个指标很难达到
   单机系统存在可用性和稳定性的问题，这两个指标又是我们 必须要去解决的

5 分布式架构的常见概念

5.1 集群

小饭店原来只有一个厨师，切菜洗菜备料炒菜全干。后来客人 多了，厨房一个厨师忙不过来，又请了个厨师，两个厨师都能 炒一样的菜，这两个厨师的关系是集群

5.2 分布式

为了让厨师专心炒菜，把菜做到极致，又请了个配菜师负责切 菜，备菜，备料，厨师和配菜师的关系是分布式，一个配菜师 也忙不过来了，又请了个配菜师，两个配菜师关系是集群

5.3 节点

节点是指一个可以独立按照分布式协议完成一组逻辑的程序 个体。在具体的项目中，一个节点表示的是一个操作系统上的 进程。

5.4 副本机制

副本(replica/copy)指在分布式系统中为数据或服务提供的冗 余。 数据副本指在不同的节点上持久化同一份数据，当出现某一个 节点的数据丢失时，可以从副本上读取到数据。数据副本是分 布式系统中解决数据丢失问题的唯一手段。 服务副本表示多个节点提供相同的服务，通过主从关系来实现 服务的高可用方案

5.5 中间件

中间件位于操作系统提供的服务之外，又不属于应用，他是位 于应用和系统层之间为开发者方便的处理通信、输入输出的一 类软件，能够让用户关心自己应用的部分。

6 架构的发展过程

一个成熟的大型网站系统架构并不是一开始就设计的非常完美，也不是一开始就具备高性能、高可用、安全性等特性，而 是随着用户量的增加、业务功能的扩展逐步完善演变过来的。 在这个过程中，开发模式、技术架构等都会发生非常大的变化。 而针对不同业务特征的系统，会有各自的侧重点，比如像淘宝这类的网站，要解决的是海量商品搜索、下单、支付等问题;

像腾讯，要解决的是数亿级别用户的实时消息传输;百度所要 解决的是海量数据的搜索。每一个种类的业务都有自己不同的 系统架构。我们简单模拟一个架构演变过程。

我们以 javaweb 为例，来搭建一个简单的电商系统，从这个系 统中来看系统的演变历史;要注意的是，接下来的演示模型， 关注的是数据量、访问量提升，网站结构发生的变化， 而不是 具体关注业务功能点。
其次，这个过程是为了让大家更好的了 解网站演进过程中的一些问题和应对策略。
假如我们系统具备以下功能:
用户模块:用户注册和管理
商品模块:商品展示和管理
交易模块:创建交易及支付结算

6.1 阶段一 - 单应用架构

网站的初期也可以认为是互联网发展的早起，我们经常会在单 机上跑我们所有的程序和软件。 把所有软件和应用都部署在一台机器上，这样就完成一个简单 系统的搭建，这个时候的讲究的是效率

6.2 阶段二 - 应用服务器和数据库服务器分离

随着网站的上线，访问量逐步上升，服务器的负载慢慢提高， 在服务器还没有超载的时候，我们应该做好规划，提升网站的 负载能力。假如代码层面的优化已经没办法继续提高，在不提 高单台机器的性能，增加机器是一个比较好的方式，投入产出比非常高。这个阶段增加机器的主要目的是讲 web 服务器和 数据库服务器拆分，这样不仅提高了单机的负载能力，也提高 了容灾能力

6.3 阶段三 - 应用服务器集群(应用服务器负载告警，如何让应用服 务器走向集群)

随着访问量的继续增加，单台应用服务器已经无法满足需求。 在假设数据库服务器还没有遇到性能问题的时候，我们可以增 加应用服务器，通过应用服务器集群将用户请求分流到各个服务器中，从而继续提升负载能力。此时多台应用服务器之间没 有直接的交互，他们都是依赖数据库各自对外提供服务架构发展到这个阶段，各种问题也会慢慢呈现

1. 用户请求由谁来转发到具体的应用服务器
2. 用户如果每次访问到的服务器不一样，那么如何维护
   session

6.4 阶段四 - 数据库压力变大，数据库读写分离

架构演变到这里，并不是终点。上面我们把应用层的性能拉上来了， 但是数据库的负载也在慢慢增大，那么怎么去提高数据库层面的负载呢?
有了前面的思路以后，自然会想到增加服务器。但是假如我们单纯的把数据库一分为二，然后对于后续数据库的请求，分别负 载到两台数据库服务器上，那么一定会造成数据库不统一的问题。 所以我们一般先考虑读写分离的方式

这个架构的变化会带来几个问题

1. 主从数据库之间的数据同步 ; 可以使用 mysql 自带的master-slave 方式实现主从复制
2. 对应数据源的选择 ; 采用第三方数据库中间件，例如 mycat

6.5 阶段五 - 使用搜索引擎缓解读库的压力

数据库做读库的话，尝尝对模糊查找效率不是特别好，像电商类的网站，搜索是非常核心的功能，即便是做了读写分离，这个问题也 不能有效解决。那么这个时候就需要引入搜索引擎了 使用搜索引擎能够大大提高我们的查询速度，但是同时也会带来一 些附加的问题，比如维护索引的构建。

6.6 阶段六 - 引入缓存机制缓解数据库的压力

随着访问量的持续增加，逐渐出现许多用户访问统一部分内容的情况，对于这些热点数据，没必要每次都从数据库去读取，我们可以 使用缓存技术，比如 memcache、redis 来作为我们应用层的缓存; 另外在某些场景下，比如我们对用户的某些 IP 的访问频率做限制， 那这个放内存中又不合适，放数据库又太麻烦，这个时候可以使用 Nosql 的方式比如 mongDB 来代替传统的关系型数据库

6.7 阶段七 - 数据库的水平/垂直拆分

我们的网站演进的变化过程，交易、商品、用户的数据都还在同一 个数据库中，尽管采取了增加缓存，读写分离的方式，但是随着数 据库的压力持续增加，数据库的瓶颈仍然是个最大的问题。因此我 们可以考虑对数据的垂直拆分和水平拆分 垂直拆分:把数据库中不同业务数据拆分到不同的数据库

水平拆分:把同一个表中的数据拆分到两个甚至跟多的数据库中，水平拆分的原因是某些业务数据量已经达到了单个数据库的瓶颈，这时可以采取讲表拆分到多个数据库中

6.8 阶段八 - 应用的拆分

随着业务的发展，业务越来越多，应用的压力越来越大。工程规模 也越来越庞大。这个时候就可以考虑讲应用拆分，按照领域模型讲 我们的用户、商品、交易拆分成多个子系统

这样拆分以后，可能会有一些相同的代码，比如用户操作，在商品 和交易都需要查询，所以会导致每个系统都会有用户查询访问相关 操作。这些相同的操作一定是要抽象出来，否则就会是一个坑。所 以通过走服务化路线的方式来解决

那么服务拆分以后，各个服务之间如何进行远程通信呢?
通过 RPC 技术，比较典型的有:webservice、hessian、http、RMI 等等 前期通过这些技术能够很好的解决各个服务之间通信问题，but， 互联网的发展是持续的，所以架构的演变和优化还在持续。

7 分布式领域中冯诺依曼的变化

前面我们讲过经典理论-冯.诺依曼体系，计算机硬件由运算器、 控制器、存储器、输入设备、输出设备五大部分组成。不管架 构怎么变化，计算机仍没有跳出该体系的范畴;
输入设备的变化
在分布式系统架构中，输入设备可以分两类，第一类是互相连接的 多个节点，在接收其他节点传来的信息作为该节点的输入;另一种

就是传统意义上的人机交互的输入设备了

输出设备的变化
输出和输入类似，也有两种，一种是系统中的节点向其他节点传输 信息时，该节点可以看作是输出设备;另一种就是传统意义上的人 际交互的输出设备，比如用户的终端

控制器的变化
在单机中，控制器指的是 CPU 中的控制器，在分布式系统中，控 制器主要的作用是协调或控制节点之间的动作和行为;比如硬件负 载均衡器;LVS 软负载;规则服务器等

运算器
在分布式系统中，运算器是由多个节点来组成的。运用多个节点的 计算能力来协同完成整体的计算任务

存储器
在分布式系统中，我们需要把承担存储功能的多个节点组织在一起， 组成一个整体的存储器;比如数据库、redis(key-value 存储)

7.1 分布式系统的难点

毫无疑问，分布式系统对于集中式系统而言，在实现上会更加复杂。分布式系统将会是更难理解、设计、构建 和管理的，同 时意味着应用程序的根源问题更难发现。

三态

在集中式架构中，我们调用一个接口返回的结果只有两种， 成 功或者失败，但是在分布式领域中，会出现“超时”这个状态。

分布式事务

这是一个老生常谈的问题，我们都知道事务就是一些列操作的 原子性保证，在单机的情况下，我们能够依靠本机的数据库连 接和组件轻易做到事务的控制，但是分布式情况下，业务原子 性操作很可能是跨服务的，这样就导致了分布式事务，例如 A 和 B 操作分别是不同服务下的同一个事务操作内的操作，A 调 用 B，A 如果可以清楚的知道 B 是否成功提交从而控制自身的 提交还是回滚操作，但是在分布式系统中调用会出现一个新状 态就是超时，就是 A 无法知道 B 是成功还是失败，这个时候 A 是提交本地事务还是回滚呢?其实这是一个很难的问题，如果 强行保证事务一致性，可以采取分布式锁，但是那样会增加系 统复杂度而且会增大系统的开销，而且事务跨越的服务越多， 消耗的资源越大，性能越低，所以最好的解决方案就是避免分 布式事务。 还有一种解决方案就是重试机制，但是重试如果不是查询接口，

必然涉及到数据库的变更，如果第一次调用成功但是没返回成 功结果，那调用方第二次调用对调用方来说依然是重试，但是 对于被调用方来说是重复调用，例如 A 向 B 转账，A-100,B + 100，这样会导致 A 扣了 100，而 B 增加 200。这样的结果不 是我们期望的，因此需在要写入的接口做幂等设计。多次调用 和单次调用是一样的效果。通常可以设置一个唯一键，在写入 的时候查询是否已经存在，避免重复写入。但是幂等设计的一 个前提就是服务是高可用，否则无论怎么重试都不能调用返回 一个明确的结果调用方会一直等待，虽然可以限制重试的次数， 但是这已经进入了异常状态了，甚至到了极端情况还是需要人 肉补偿处理。其实根据 CAP 和 BASE 理论，不可能在高可用分 布式情况下做到一致性，一般都是最终一致性保证。

负载均衡

每个服务单独部署，为了达到高可用，每个服务至少是两台机 器，因为互联网公司一般使用可靠性不是特别高的普通机器， 长期运行宕机概率很高，所以两台机器能够大大降低服务不可 用的可能性，这正大型项目会采用十几台甚至上百台来部署一 个服务，这不仅是保证服务的高可用，更是提升服务的 QPS， 但是这样又带来一个问题，一个请求过来到底路由到哪台机器? 路由算法很多，有 DNS 路由，如果 session 在本机，还会根据 用户 id 或则 cookie 等信息路由到固定的机器，当然现在应用

服务器为了扩展的方便都会设计为无状态的，session 会保存 到专有的 session 服务器，所以不会涉及到拿不到 session 问 题。那路由规则是随机获取么?这是一个方法，但是据我所知， 实际情况肯定比这个复杂，在一定范围内随机，但是在大的范 围也会分为很多个域，例如如果为了保证异地多活的多机房， 夸机房调用的开销太大，肯定会优先选择同机房的服务，这个 要参考具体的机器分布来考虑。

一致性

数据被分散或者复制到不同的机器上，如何保证各台主机之间 的数据的一致性将成为一个难点。
故障的独立性
分布式系统由多个节点组成，整个分布式系统完全出问题的概 率是存在的，但是在时间中出现更多的是某个节点出问题，其 他节点都没问题。这种情况下我们实现分布式系统时需要考虑 得更加全面些