文章分类 - 分布式系统
摘要：Quorum机制是为了保证分布式系统中的数据一致性。 强一致性：任意时刻从不同副本取出的值是相同的。 弱一致性：由于网络延迟和设备异常等原因，从不同副本拿到的值可能不同，但是一段时间后会相同。 1.WARO协议 为了达到强一致性的效果，Write All Read One是最好的办法，即写入数据时，
阅读全文
posted @ 2022-02-27 16:47
Cheung-10
摘要：1.分布式锁 现在的系统都是微服务模型，即各种组件单独运行在逻辑独立的机器中，之间通过rpc等方式调用并完成服务。 也因此数据的保存和数据的计算往往不在同一个地方，需要一个分布式框架的“全局锁”。其余所有系统都需要通过它获取锁。 实现分布式锁功能的，可以是redis这样的缓存数据库，也可以是MySQ
阅读全文
posted @ 2022-02-23 16:36
Cheung-10
摘要：1.雪崩效应 目前的后台服务通常是由多个组件完成，或者多个服务会被实现为多个微服务。用户发情请求后，会出现多个服务的链式调用来完成整个操作。（如 检查参数->查询缓存->查询数据库） 当调用链的某一步失效时，可能导致流量穿透到下一个服务，导致下一个服务崩溃（如缓存击穿导致数据库崩溃），最终导致整个后
阅读全文
posted @ 2022-02-21 16:43
Cheung-10
摘要：在使用分布式缓存的时候，可以将数据分区保存在不同节点上，以扩大存储能力。 另外一种思想是不同节点备份相同数据，以提高读响应速度（如redis主从模型）。 以下是集中分片策略（算法） 1.range Based算法 按照关键值将数据划分到不同区间，每个缓存节点保存一个区间内的数据，需要保证关键值的连续
阅读全文
posted @ 2021-10-26 15:32
Cheung-10
摘要：1.缓存回收策略 FIFO（First In First Out） LRU（Least Recently Used）清除求救没有用过的数据 LFU（Least Frequently Used）清除一段时间内使用频率最小的数据 2.缓存一致性策略 消息队列修改方案 应用修改完自身缓存和数据库数据后，向
阅读全文
posted @ 2021-10-26 11:26
Cheung-10
摘要：参考博客：https://www.cnblogs.com/xuwc/p/13699205.html 设想一个用户请求数据到返回的过程，数据会经过： 浏览器->CDN->代理服务器->应用服务器->数据库服务器，每个位置都可以使用缓存技术来提高响应速度，降低访问需求量。 例如：浏览器缓存的脱机网页文件
阅读全文
posted @ 2021-10-26 11:16
Cheung-10
摘要：1. 缓存和数据库模型下的数据读写流程 读模型 1）判断缓存是否有数据，若有则返回。 2）判断数据库是否有该数据，若无则返回为空。 3）若数据库有数据，则写入缓存，随后（由缓存）返回数据。 写模型 写模型的策略各有不同，不过一般认为应当先更新数据库再更新缓存，这是因为需要先将数据持久化保存，来确保数
阅读全文
posted @ 2021-10-26 10:08
Cheung-10
摘要：当请求流过大时，可能导致服务接口不可用或者整个服务系统崩溃。 一般解决办法为引流或者限流，常用的限流算法包括漏桶和令牌桶算法。 1.漏桶算法 即将请求缓存在桶中，桶底限制一个最大速率来对接口进行请求。 漏桶算法可以限制请求的平均数量，但当需要允许某些突发传输情况时可能不合适。 2.令牌桶算法 系统以
阅读全文
posted @ 2021-10-26 09:43
Cheung-10
浙公网安备 33010602011771号