聊聊分布式系統的架構套路
今天小蕉跟大伙一起聊聊分布式系統的架構的套路。在開始說套路之前，大家先思考一個問題，為什么要進行分布式架構？
大多數的開發者大多數的系統可能從來沒接觸過分布式系統，也根本沒必要進行分布式系統架構，為什么？因為在訪問量或者QPS沒有達到單臺機器的性能瓶頸的時候，根本沒必要進行分布式架構。那如果業務量上來了，一般會怎么解決呢？
首先考慮的就是機器升級。機器配置的垂直擴展，首先要找到當前性能的瓶頸點，是CPU，是內存，是硬盤，還是帶寬。砸錢加CPU，砸錢換SSD硬盤，砸錢換1T內存，這通常是解決問題最直接也***效的方法。帶寬不夠？加帶寬，1G不夠用100G。CPU 8核不夠？搞32核96核。這是絕大多數公司能思考到的***個方案，也是***效最快最安全的方法，立竿見影。
其次就是系統拆分，將所提供服務的主流程以及支線流程梳理出來，按照流程進行系統拆分。如同一棵樹，核心業務作為主干流程，其他系統按照需要進行拆分，如同樹的開枝散葉。所采取的方式有這么一些，按前后端進行拆分，按照領域拆分，按團隊拆分，當然通常來說這些拆分基本都要跟著組織架構走。
再不行就進行技術升級，更換更加高效或者場景適合的技術。比如從 Oracle 更換到HBase。從A數據庫連接池更換到B數據庫連接池。技術的變革對于業務量的支持也是非常巨大的，同一臺機器不同的技術，效能發揮的程度可以說有天壤之別。
***的***手段才會考慮分布式架構，實在是砸不出這么多錢了，實在是沒辦法了。因為分布式架構肯定會帶來非常多非常多的一致性問題，原本只需要訪問一臺機器，現在需要訪問N臺，那么這N臺機器的一致性怎么保證，以前撐死搞個主從備份就算完了，定時同步一下數據就好，現在N臺設備的數據怎么管理，甚至這個集群本身怎么管理，都會成為一個致命的問題。
所以只有等業務量到達一定程度了，單臺機器扛不住了，才會開始堆錢升級機器，系統拆分，換技術，繼續堆錢升級機器，系統拆分...周而復始，發現成本太高或者技術已經到達上線了。***沒辦法，就選擇分布式架構了。
但是分布式架構的優勢也是明顯的，用一群低廉的設備，來提供一個高性能高吞吐量的穩定的系統，下面開始說說常見的分布式集群的架構。
1、純負載均衡形式。
在集群前面，前置一個流量分發的組件進行流量分發，整個集群的機器提供無差別的服務，這在常見的 web 服務器中是最最常見的。目前比較主流的方式就是整個集群機器上云，根據實時的調用量進行云服務器彈性伸縮。常見的負載均衡有硬件層面的 F5、軟件層面的 nginx 等。
2、領導選舉型
整個集群的消息都會轉發到集群的領導這里，是一種 master-slavers，區別只是這個 master 是被臨時選舉出來的，一旦 master 宕機，集群會立刻選舉出一個新的領導，繼續對外提供服務。使用領導選舉型架構的典型的應用有 ElasticSearch，zookeeper。
3、區塊鏈型
整個集群的每一個節點都可以進行記錄，但是記錄的內容要得到整個集群 N 個機器的認可才是合法的。典型的應用有 Bit Coin，以及 Hyperledger。
4、master-slaver型
整個集群以某臺 master 為中樞，進行集群的調度。交互是這樣，一般會把所有的管理類型的數據放到 master 上，而把具體的數據放到 slaver 上，實際進行調用的時候，client 先調用 master 獲取數據所存放的 server 的 信息，再自行跟 slave 進行交互。典型的系統有 Hadoop。集群，HBase 集群，Redis 集群等。
5、規則型一致性Hash
這種架構類型一般出現在數據庫分庫分表的設計中。按照規則進行分庫分表，在查詢之前使用規則引擎進行庫和表的確認，再對具體的應用進行訪問。為什么要用一致性 Hash ？其實用什么都可以，只是對于這類應用來說一致性 Hash 比較常見而已。
好了，至此，已經把我所知道的大部分分布式集群的套路說完了，總結一下。
1、升級機器配置是最直接的升級方式。不到萬不得已不會使用分布式
2、分布式的核心就是業務拆分以及流量分發。
【本文為51CTO專欄作者“大蕉”的原創稿件，轉載請通過作者微信公眾號“一名叫大蕉的程序員”獲取授權】
