太上老君的炼丹炉之分布式 Quorum NWR

“

太白金星：听闻老君最近在练神丹妙药，可否与我一讲？

太上老君：老白啊，我最近在练六颗丹药：两颗​​延年丹​​​、两颗​​健步丹​​​、两颗​​恢复丹​​。

太白金星：那这三个八卦炉定是练这三件法宝的？

太上老君：正是正是。而且对于相同的丹药，功效和大小还得完全一样。

”

三种丹药

一、三个炼丹炉怎么分配的

“

太白金星：老君，你的八卦炉怎么分配的啊？

”

让我们揭开老君的炼丹炉，看看六颗丹药是怎么分配的。

首先我们是很容易猜到丹炉是怎么分配炼丹的：

• 一号丹炉炼两颗​​延年丹​​。
• 二号丹炉炼两颗​​健步丹​​。
• 三号丹炉炼两颗​​恢复丹​​。

太白金星认为的丹炉情况

那如此分配会有什么问题呢？

我们试想一下，如果一号丹炉因为炉火太高炸裂了，那么两颗延年丹定会失败。这和把鸡蛋放到一个篮子里面是一个道理。假如篮子不慎被打翻，里面的鸡蛋都掉出来，就都碎了。

“

太上老君：老白，我把锅炉的盖子揭开给你看看你就知道了。

”

• 一号丹炉炼一颗​​延年丹​​​和一颗​​健步丹​​。
• 二号丹炉炼一颗​​延年丹​​​和一颗​​恢复丹​​。
• 三号丹炉炼一颗​​健步丹​​​和一颗​​恢复丹​​。

丹炉实际分配情况

“

太白金星：老君，为何要如此分配，每个丹药的火候可不那么好把控啊？

太上老君：老白，我可是炼丹大师，火候难不倒我。

太白金星：不愧是老君啊，这样即使有一个丹炉有问题，至少能保证一颗能炼成，而不是两颗都毁了。

”

映射到我们互联网系统中：丹炉类似于服务器节点或数据库节点，通过多个节点来相互备份数据来保证系统的​​高可用性​​（High Availability）。

二、如何保证丹药品质一样

2.1 一致性

“

太白金星：老君，你刚提到，两颗延年丹需要保证功效一样，大小一样？

太上老君：确实如此，丹药品质必须保持一致，我炼的都是九品丹药，药效差一点则是千差万别。

”

太上老君说的品质保持一致到底怎么回事？

一号丹炉里面的延年丹和二号丹炉的延年丹如何保证品质一致呢？

这不就是我们常常说的​​分布式一致性​​吗？两颗丹药分布在不同的丹炉中，需要保证品质一致。

如下图所示，这两颗延年丹的一大一小，颜色也有不同，这就是品质不一样。

​品质不一样

而在架构设计中，比如请求访问到不同的数据库，查到的数据都是一样的，这就是一致性。

如下图所示：浏览器访问数据库 1 和数据库 2 中的数据 A，结果返回的都是 A = 1。

分布式系统中的一致性

2.2 最终一致性和强一致性

分布式中的一致性又分为​​最终一致性​​​和​​强一致性​​。

所谓​​强一致性​​​就是写操作完成后，任何后续访问都能读到更新后的值。这就是​​CP​​系统所要求的一致性和分区容错性。。

那放到炼丹中怎么理解？

比如老君给一号丹炉的延年丹加入了​​莲花​​这种药材，给二号丹炉的延年丹也这么操作，那么老白揭开炉盖看到的两颗延年丹的成分是一样的。

而​​最终一致性​​​就是不保证后续访问都能读到更新后的值，但是经过一段时间后，再去读，就能得到相同的值。也就是说，在这段时间内，可能读到旧的数据。这就是​​AP​​系统所要求的可用性和分区容错性。

放到炼丹中怎么理解？

比如老君给一号丹炉的延年丹加入了莲花，而经过了一个时辰后，才给二号丹炉加雪莲，那么在这个时辰内，看到的两颗延年丹的成分就不一样了。但经过一个时辰后，最终成分一样。

三、可控的品质：Quorum NWR 协议

“

假如延年丹必须保证品质的强一致性，而健步丹只需要保证品质的最终一致性，这个该怎么控制呢？

”

这个可没有难倒老君，因为老君懂得分布式协议：​​Quorum NWR​​。

Quorum 这个单词的意思：(会议的)法定人数。主要是看后面三个大写字母：​​N​​​、​​W​​​、​​R​​。由 NWR 来控制一致性。

3.1 参数 N

我们还是来看下丹炉中的情况，两颗延年丹是互为备份的，相当于有两个副本。

N 称作副本数，又叫做复制因子（Replication Factor）。表示同一份数据有多少个副本，所以：延年丹的 N = 2。依次类推：健步丹的 N = 2，恢复丹的 N = 2。如下图所示：

丹药的副本数一样

那 N 可以变吗？

如下图所示：比如我想炼 3 颗延年丹，也就是每个丹炉都有延年丹，那就把 N 改成 3 就可以了。而健步丹只需要炼一颗足以，那一号丹炉炼就可以了，所以N = 1。

​多个丹药的副本数不一样

3.2 参数 W

指定了副本数 N 之后，就可以对副本数据进行读写操作。

• 读操作：查看所在丹炉内丹药的情况。
• 写操作：给丹药添加药材、提高温度。

那多个丹药该如何执行读写操作呢？对于写操作，我们有 W 参数，对于读操作，我们有 R 参数。

W 称为写一致性级别（Write Consistency Level），表示成功完成 W 个副本更新，才完成写操作。

比如设置延年丹的 W = 2，表示对延年丹执行写操作时，完成了 2 个副本的更新时，才完成写操作。

如下图所示：一号丹炉和二号丹炉中的延年丹都加入了莲花，而三号丹炉中的延年丹未加入莲花。也就是只完成了两个副本的更新，符合 W = 2 这个条件，即写操作完成。

两个延年丹加入了莲花

但是大家发现问题没，三号丹炉的延年丹未加入莲花，那怎么保证太上老君查看丹药情况时，得知是已加入莲花呢？也就是如何保证读写的强一致性，这就要用到第三个参数了：R。

3.3 参数 R

R 称为读一致性级别（Read Consistency Level），表示读取一个数据对象时，需要读 R 个副本，然后返回 R 个副本中最新的那份数据。

回到炼丹的问题中，设置延年丹的 R = 2，也就是查看延年丹的情况时，只需要查看两个丹炉内的延年丹的情况，然后返回最新的延年丹的情况就可以了。

• 假设查看的是一号和二号丹炉内的延年丹，返回的情况都是：已加入莲花。这种场景是一致性的。
• 假设查看的是一号和三号丹炉内的延年丹，一号丹炉的延年丹是已加入莲花，三号丹炉是未加入莲花，但是三号丹炉内的延年丹最后一次操作时间是早于一号丹炉的，所以返回一号丹炉内延年丹的情况：已加入莲花。这种场景也是一致性的。

通过上面的两种场景，我们知道，通过设置 R = 2，即使读到第三份未更新的数据，也能返回更新后的数据，实现强一致性。

3.4 参数组合

参数 N、W、R 的不同组合将会带来不同的一致性效果。

• 比如上面的例子，N = 3，W = 2，R = 2，W + R > N，对于客户端来讲，整个系统能保证强一致性，一定能返回更新后的那份数据。
• 当 W + R <= N 时，对于客户端来讲，整个系统只能保证最终一致性，访问数据期间可能会返回旧数据。

参数不同，效果不同，分布式系统需要根据不同场景来配置。

四、应用

InfluxDB 企业版是时序数据库，它有四种写一致性级别：

• any：W + R < N，W = 1，任何一个节点写入成功后，或者写入 Hinted-handoff 缓存（等下次重传），返回成功给客户端。
• one：W + R < N，W = 1，任何一个节点写入成功后，立即返回成功给客户端，不包括写入 Hinted-handoff 缓存
• quorum：W + R > N，大多数节点写入成功后，就返回成功给客户端。（要求 N 大于2）
• all：W = N，所有节点都写入成功后，返回成功。

另外对于 时序数据库 InfluxDB 来说，读操作需要读取大量数据，为了保证读取的高效，它不支持读一致性级别（R = N），但是可以通过设置写一致性级别为 all，来实现强一致性。

InfluxDb 实现了 Quorum NWR，当线上业务需要临时做些一致性调整时，设置不同的写一致性级别即可完成快速切换。

五、总结

本文通过太上老君和太白金星关于炼丹的对话，引申出自定义一致性的分布式协议：Quorum NWR 协议。

• 丹炉比喻节点，丹药比作数据，多个丹药称作副本。
• N 代表副本数，W 代表写多少个副本数，R 代表读多少个副本数。
• 当 N 大于节点数时，就会出现一个节点存在多个副本的情况，这个节点故障时，多个副本会受到影响。
• W + R > N 时，代表强一致性。
• W = N 时，读性能好。R = N，写性能好。
• W = R = (N+1)/2，容错能力好，能容忍 少数节点（也就是(N-1)/2） 个节点故障。
• 如何设置 N、W、R 值，取决于我们的系统该往哪方面优化。
• Quorum NWR 分布式算法给业务提供了按需选择一致性级别的灵活度，弥补了 AP 型系统缺乏强一致性的缺点。

“

太白金星：预祝你炼丹成功！我要去分享和留言了！

”

本文转载自公众号：悟空聊架构