分布式设计（二）协调与同步

分布式互斥

对排他性的资源访问方式，称为分布式互斥。而这种被互斥访问的排他性资源，就叫做临界资源

如何访问
- 霸道总载：集中式算法
  
  优点：直观、简单，信息交互量少、易于实现
  问题：协调者会成为系统性能瓶颈；单点故障
  增加主备备分，应用比较广泛
- 民主协商：分布式算法
  
  先到先得、投票全票通过机制
  适合节点数量少且变动不频繁的系统，且由于每个程序均需通信交互，适合P2P系统
  应用场景：Hadoop
- 轮值CEO：令牌环算法
  
  更加公平的算法
  非常适合通信模式为令牌环方式的分布式系统
  场景：移动自组织网络，无人机通信

分布式选举

集群多节点组成，多个节点到底怎么协同，怎么管理。
主节点：在一个集群中负责对其他节点的协调和管理，可以保证其他节点有序运行，数据一致性。

选举算法
- 长者为大：Bully算法
- 民主投票：Raft 算法
- 优先级的民主投票：ZAB算法
  
  多数派选主算法通常采用奇数节点：ZooKeeper 、etcd、Kubernetes

分布式共识

分布式共享地就是在多个节点均可独自操作或记录的情况下，使用得所有节点针对某个状态达成一致的过程
分布式共识的本质就是“存异求同”
从本质上看，分布式选举问题，其实就是传统的分布式共识方法，主要基于多数投票策略实现的。
分布式在线记帐，是指在没有集中的发行方，也就是没有银行参与的情况下，如何保证交易的一致性。

PoW (Proof of Work) 工作量证明
PoS (Proof of Stake) 权益证明
DPos (Delegated Proof of Stake) 委托权益证明

一致性是指，分布式系统中的多个节点之间，给定一系列的操作，在约定协议的保障下，对外界呈现的数据或状态是一致的。
共识是指，分布式系统中多个节点之间，彼此对某个状态成达一致结果的过程

分布式事务

分布式事务，就是在分布式系统中运行的事务，由多个本地事务组合而成

ACID
- 原子性 (Atomicity)
  要么成要么败
- 一致性 (Consistency)
  事务操作前和操作后，数据完整性保持一致
- 隔离性 (Isolation)
  多个事务不会相互干扰
- 持久性 (Durability)
  永久保存
如何实现分布式事务
- 二阶段锁
  同步阻塞问题
  单点故障问题
  数据不致问题
- 三阶段锁
  锁定资源，降低性能
- 消息队列
BASE 理论
- 基本可用 Base Available
  分布式系统出现故障时，允许损失一部分功能的可用性
- 柔性状态 Soft State
  允许系统存在中间状态，但不会影响系统整体可用性。比如，数据库读写分离，写库同步到读库会有一个延时，其实就是一种柔性状态
- 最终一致性 Eventual Consistency
  事务在操作过程中可能会由于同步延迟等问题导致不一致，但最终状态下，数据都是一致的。

基于XA协议的2PC和3PC采用强一致性，基于消息的最终一致性方法，遵从BASE理论

分布式锁

锁是实现多线程同时访问同一共享资源，保证同一时刻只有一个线程可访问共享资源所做的一种标记

实现方式
- 基于数据库实现分布式锁
  创建一张锁表，为申请者在锁表里建立一条记录，记录建立成功则获得锁，消除记录则释放锁
- 基于缓存实现分布式锁
  
  Redis 通过队列来维持进程访问共享资源的先后顺序
  - 性能更好，数据存放于内存
  - 很多缓存可跨集群部署
  - 很多缓存都提供可以用来实现分布锁的方法
  - 可以直接设置超时来控制锁的释放
- 基于ZooKeeper 实现分布式锁
  可以完美解决设计分布式锁时遇到的各种问题。

ZooKeeper分布式锁的可靠性最高，有封装好的框架，很容易实现分布式锁的功能，几乎解决数据库锁和缓存锁的不足，是首选方法。

为了确保分布式锁的可用性，在设计时应考虑：

互斥性
具备锁失效机制
可重入性
有高可用的获取锁和释放锁的功能

如何解决分布式锁的羊群效应问题
？？