构建高可用的方式总结

高可用系统，追求多个9的可用性，对于分布式系统来说，我们通常都认为遵守CAP理论，根据业务场景，取平衡。

高可用，首先想到的是避免单点，防止单点故障。

1.负载均衡

硬均衡：F5设备 ，standBy从，主备切换。软均衡：类似，实现方式LVS之类。

具体均衡的策略：

A.集中策略：权重、随机、负载能力（静态与动态）、connection等B.分布策略：基于Gossip模型的方式。一般是内部的均衡策略

对于负载均衡，也要进行细分，比如请求流程和返回响应流程：

请求流程：1.分配策略；2.web请求会话处理方式
返回数据：1.经由负载均衡点；2.直接返回

中心负载均衡的缺陷：将请求分发到业务机器，业务机器对请求进行queue，如果其中某一个请求耗时，则导致该queue的请求任务被延时，很多任务会超时，类似于超时收银柜台某一个客户耗时，但是其它柜台却无法协同解决该问题（按照理想设计应当其它节点协同处理）。基于此，twinter提出了一个unicorn的解决方案，该方案是负载均衡机器对所有请求只发到一个队列，然后业务机器在该队列获取任务处理。某一个业务机器的耗时操作，并不影响后面的任务处理。

2.分布式环境下的事务

分布式环境下的强事务性，2段式提交、3段式提交这种分段时提交方式，如果任意一个节点执行出错，则进行rollback操作；

另外一种方法是基于paxos算法，类似于“民主集中制”，以多胜少。不在意个别master节点操作失败，如果大部分master节点操作成功，则操作被认为是成功的。

paxos算法，是在一篇paper中提及的，模拟的是议员议会审议的一种制度安排，basic paxos算法角色众多，不易实现，工业界又提出了multi paxos算法，简化了角色，但是核心思想是一致的。

这一块在阿里关于中间件的技术中有详细说明。

机房隔离和机房切换的问题比较复杂，网络的延时不可控。缓存失败的切换，导致流量激增，很可能也会导致新接入的机器快速奔溃。所以很多时候经常听到“平滑过渡”的方案。负载均衡方案中，也会考虑业务请求到业务机器，业务机器失败后流量是否导致后端集群不稳定？比如分布式缓存系统，某部分失败，信息的同步？

3.应用的高可用

1.Fail Fast

2.对接口与对象的保护

在网站的设计中，也要避免第三方依赖导致系统宕机，最好有一个option。比如在数据库缓慢的query，导致请求队列堆积，可以考虑优先使用缓存策略，分担压力。

对于一个系统，避免单点和应用的高可用是两个核心方面。如何保障系统面临的压力，就有了垂直伸缩和水平伸缩的选择。

4.构建可伸缩系统

垂直伸缩：通过增加单机的cpu、内存等方法扩充系统容量。

1.增加CPU后，若系统性能未能提升，可以考虑以下几个问题：A.是否存在锁竞争问题B.支撑并发请求的线程数量固定（建议使用Runtime.getRuntime().availableProcessor()来合理分配线程数）C.单线程处理方式改为多线程处理

水平伸缩：比较复杂，涉及面很广，一般采用系统的切分、分表分库、数据库的分离、分布式系统等，涉及到业务系统切分、文件系统的分布式、网络的弹性、计算的并行等，根据具体应用、具体的业务要求选择不同的方案，逐步“进化”。

数据库访问：异步访问，Jboss Netty的测试报告中，异步数据库的访问方式可以大大提高访问数据库的性能。