什么是分布式？

架构的演进过程

1、业务简单、系统功能单一、访问量小的场景下：单节点web应用架构。

2、业务和系统功能相对复杂、访问量较大的场景下：Nginx负载的多web节点集群架构。

3、业务复杂、系统庞大、访问量巨大的场景下：分布式微服务架构。

分布式架构的特点

分布性

对等性

并发性

缺乏全局时钟

故障随时会发生

分布式架构中存在的问题

通信异常：

通讯异常其实就是网络异常，网络系统本身是不可靠的，由于分布式系统需要通过网络进行数据传输，网络光纤，路由器等硬件难免出现问题。只要网络出现问题，也就会影响消息的发送与接受过程，因此数据消息的丢失或者延长就会变得非常普遍。

网络分区：

网络分区，俗称“脑裂现象”，是指集群中本来只有一个领导者，但由于通信异常，导致某一区域自行推举出另外一个领导，两个领导互为冲突。

三态：

通常情况下，方法执行的结果是一个明确的响应，要么成功，要么失败。而在分布式的场景下，会出现以一种除成功和失败以外的第三种状态—超时态。虽然绝大多数的情况下能够接受到成功或失败的响应，但网络一旦出现异常，就非常有可能超时，这时请求的发起方是无法确定请求是否处理成功的。

节点故障：

组成分布式集群的节点机器比较多，节点出现宕机或“僵死”的现象会经常发生。

分布式协调理论

CAP理论

C  一致性(Consistency)：在分布式系统中，一致性是数据在多个副本之间是否能够保证一致的特性。

A  可用性(Availability)：系统收到请求后，一定给出响应。

P  分区容错性(Partition tolerance)：大多数分布式系统都分布在多个子网络。每个子网络就叫做一个区（partition）。分区容错的意思是，区间通信可能失败。比如，一台服务器放在中国，另一台服务器放在美国，这就是两个区，它们之间可能无法通信。

一个分布式系统不可能同时满足一致性、可用性、分区容错性这三个基本需求，最多只能够满足其中两项。由于分布式系统中P总是成立，所以架构师的精力往往集中在根据业务场景，寻求A和C的平衡。

序号	被放弃的	说明
1	放弃Ｐ（满足AC）	将数据和服务都放在一个节点上，避免由于网路问题引起的负面影响，充分保证一致性和可用性。放弃P意味着放弃系统的扩展性。
2	放弃A（满足CP）	当节点故障或网络故障时，受影响的服务需要等待一段时间才能恢复响应，在此期间系统无法对外提供正常服务。
3	放弃C（满足AP）	系统无法保证数据的实时一致性，但是承诺数据最终会保持一致性。因此存在数据不一致的窗口期，窗口期时间的长短取决于系统设计。

BASE理论

即使无法做到强一致性，但分布式系统可以根据自己的业务特点，采用适当的方式来使系统达到最终的一致性。

Basically Avaliable  基本可用：当分布式系统出现不可预见的故障时，允许损失部分可用性，保障系统的“基本可用”；体现在“时间上的损失”和“功能上的损失”；如：部分用户双十一高峰期淘宝页面卡顿或降级处理；

Soft state 软状态：允许系统中的数据存在中间状态，既系统的不同节点的数据副本之间的数据同步过程存在延时，并认为这种延时不会影响系统可用性；如：12306网站卖火车票，请求会进入排队队列。

Eventually consistent 最终一致性：所有的数据在经过一段时间的数据同步后，最终能够达到一个一致的状态；如：理财产品首页充值总金额短时不一致；

分布式协调一致性的算法

序号	算法	说明
1	2p/3p	2P两阶段提交，数据分布式事务经常使用的一种分布式算法，算法简单，但会出现阻塞，数据在某种情况下不一致的问题。 3P对2P进行了完善。
2	paxos	分布式一致性算法，分为两阶段，遵循少数服从多数的原则，并不需要所有参与者都同意某一协议。
3	zab	借鉴paxos的思想，是zookeeper解决分布式一致性所使用的算法。