分布式系统指标
性能
吞吐量
QPS查询数每秒：对应IM中对外所有thor接口的QPS
TPS事务数每秒：对应IM中并发消息量<br>
BPS比特数每秒：对应IM上述两种场景的数据量，也可以理解为网卡吞吐量
响应时间：上行消息用户转圈时间&thor接口响应时间
完成时间：消息整体送达时间&thor接口响应时间
资源占用
空载资源占用：无负载时系统负载
满载资源占用：满负荷时系统负载
可用性
可用性的两种衡量指标
停止服务时间/总服务时间
请求失败次数/总请求次数
可拓展性
可扩展性的方向
垂直/纵向扩展：升级系统性能
水平/横向扩展：增加机器
分布式互斥
集中式算法
“临界资源”由一个集中协调者管理，其他应用需要通过协调者内部的队列依次获得临界资源访问权限
适用场景
比较广泛，结合协调者内部的主备/选举等策略可提升可用性
分布式算法
“临界资源”的申请者，需要向其他所有潜在使用者发送资源访问请求并获得全部同意后，才可访问临界资源
缺点
大型系统中消息数量会指数级增加，会产生消息风暴
单点故障会导致集群不可用，可用性会比集中式更低
令牌环算法
适用场景
系统规模较小，临界资源使用频度高且时间短
分布式选举
长者为大：Bully算法
ID最大的节点作为主节点
使用产品：MongoDB，使用最后操作时间戳作为ID
优点：选举速度快，复杂度低，易实现
缺点：所有节点需要知道全局节点信息，存储较多；长者节点抖动会导致集群频繁选举
民主投票：Raft算法
获得一半以上票数的节点为主节点，选举周期性进行或主节点故障时立即进行
使用产品：etcd集群管理器etcds
优点：选举速度快，复杂度低，易实现。不存在Bully长者抖动问题
缺点：每个节点需要可以互相通信，且需要有半数以上投票，通信量大
具有优先级的民主投票：ZAB算法
少数服从多数，ID大的节点优先成为主（数据ID最大者成为Leader，若数据ID相同，服务ID最大者成为Leader）
使用产品：ZooKeeper
优点：性能高，稳定性好，新节点加入不一定切主，减少抖动
缺点：容易产生广播风暴
分布式共识
概念：分布式共识就是在多个节点均可独自操作或者记录的情况下，使得所有节点针对某个状态达成一致的过程
分布式共识算法
PoW：以算力获得区块记账权
PoS：以系统权益代替算力来决定区块记账权
DPos：委托权益证明法。被社区选举的可信账户拥有记账权。选举成功的受托节点之间使用算力竞争。
分布式事务（飞书面试）
事务：包含一系列操作的，有边界的工作序列，有明确的开始和结束标志，要么被完全执行，要么完全失败
分布式事务：分布式系统中运行的事务，由多个本地事务组合而成
BASE
和ACID相比，牺牲强一致性，保证最终一致性，获得高可用性，是对ACID的弱化
基本可用
柔性状态
最终一致性
实现方法
基于XA协议的二阶段提交协议-2PC（ACID）
角色
协调者：事务管理器
事务参与者：本地资源管理器
过程
第一阶段：投票
协调者向参与者发送CanCommit请求，参与者返回Yes or No信息，代表是否可以执行
第二阶段：提交
协调者收到的都是Yes，择发送DoCommit，否则发送DoAbort，参与者之行结束返回HaveCommit
二阶段提交存在的问题
同步阻塞
执行过程中本地资源管理器会一直占有临界资源
单点故障
过于依赖事务管理器，如果其发生故障，择一直锁定事务资源，导致系统阻塞
数据不一致
DoCommit如果出现丢包，导致部分执行，数据不一致
三阶段提交协议-3PC（ACID）
过程
第一阶段：CanCommit阶段
协调者向参与者发送CanCommit请求，参与者返回Yes or No信息，代表是否可以执行
第二阶段：PreCommit阶段
协调者收到的都是Yes，则发送PreCommit，参与者收到后执行事务操作，并记录Undo和Redo日志，参与者返回ACK
协调者收到No，则发送Abord，参与者收到后或者超时后，执行事务终断操作。
第三阶段：DoCommit阶段
协调者收到所有参与者的Ack，则向所有参与者发送DoCommit，参与者收到后提交事务，并返回Ack，所有参与者Ack后事务完成
协调者向所有参与者发送Abort，参与者执行事务回滚并返回Ack
本阶段参与者发送Ack后无响应超时后，默认进行事务提交。
解决了二阶段的问题
数据不一致
一二阶段之间引入预提交阶段，预提交阶段排除不一致的情况
基于分布式消息的最终一致性方案（BASE）
简单来说就是基于MQ的事务消息来保证
特点
最终一致性
异步执行
无同步阻塞
无单点故障
性能高，吞吐量高
三种方法对比
