csdn 太上老君的炼丹炉之分布式 Quorum NWR

NOTE:

一般叫做NRW

一、三个炼丹炉怎么分配的

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。

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。

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。

三、可控的品质：Quorum NWR 协议

Quorum NWR

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：

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。

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。

1、读操作：查看所在丹炉内丹药的情况。

2、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。

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。

1、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。

2、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。

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。

1、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。

2、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：

1、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。

2、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

3、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）

4、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。

1、丹炉比喻节点，丹药比作数据，多个丹药称作副本。

2、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。

3、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。

4、W + R > N 时，代表强一致性。

5、W = N 时，读性能好。R = N，写性能好。

NOTE:

read、write tradeoff

6、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。

NOTE:

此时W+R>N，显然能够保证strong consistency

7、如何设置 N、W、R 值，取决于我们的系统该往哪方面优化。

8、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。