分布式入门之2：Quorum机制

1.  全写读1（write all, read one）

全写读1是最直观的副本控制规则。写时，只有全部副本写成功，才算是写成功。这样，读取时只需要从其中一个副本上读数据，就能保证正确性。

这种规则需要解决一个问题：如果是一个kv系统，对某个key的第i次写如果只有部分成功，那么系统中既存在次i次写的结果，又存在着第i-1次写的结果。而根据规则，生效的仅仅是第i-1个版本。因此，需要全局性地记录某个key对应的数据目前的版本号i-1。这个元数据可能为是系统的瓶颈。

可用性：对于写操作，虽然有N个副本，但其实是不能容忍任意一个副本的异常，可用性不高。而读服务则是高可用的。

 

2. quorum机制则是上述内容的一个升级版，也很好理解。

对于可用性来说，可以适当作如下折衷。对于N副本的系统，如果写操作只成功了W个副本，那么如果读N-W+1个副本，那么读结果的集合中，一定包含着最新版本的数据。

 

用于读写：

这里隐含的关键问题是，如何判断读到的R个副本中，哪个是成功提交的数据？比如提交3次，只有第2次成功。那么，依quorum读时，一定会读到成功提交的第2版本的副本，同时可能会读到1,3版本的未最终成功提交的数据。

 

第一种思路，直接用某个元数据服务将成功提交的版本号记录下来，如果有版本号，则可以直接确定哪个版本的数据是应该读的。这方法不是很好。但实际上quorum本身并没有什么手段解决这个问题。读操作一定会读到已经提交成功的数据。这是强一致性。quorum为解决强一制性，还需要引入额外的限制：

限制quorum机制的提交，只有在前一版本成功的基础上，才能进行下一版本的提交。言下之义就是，提交不成功的版本，只可能是最后一个版本。

 

这样就好处理了。如果读R个副本中，最高版本号的副本数不足W个，则继续读第R+1个副本，判断最高版本的副本个数有没有达到W个。如果直到读完全部N个都没有达到，那说明这个最高版本不是成功提交的纪录，只能取次高版本的版本号作为最终成功提交记录（由限制条件保证）。

可以看出， 这方法虽然能解决问题，但读可能过多。而且，如果有副本异常时，可能出现没法判断当前最终提交成功的到底是哪个版本的问题。

一般来说，应该回避这种思路，而将quorum与主从机制结合在一起，读主。

 

用于选主：

在主从控制中，如果主节点失效，需要从其余的从节点中选一个主。quorum机制的选主分三步:第一，读R个节点，取其中的最高版本号的数据，这个数据一定时序上大于等于最新成功提交的数据（要么是最新提交成功，要么是最新提交尚未成功）；第二，将数据同步至W份，使系统满足写W份的要求，确保数据成为最新提交数据；第三，作为新主节点。

 

 

 

应用：

GFS：GFS中，使用的是quorum的退化方式，即写全读一。为了解决写时副本损坏引起不可用，GFS在append副本失败时，会在没有异常的机器上新创建chunk， 在此chunk上append，提高可用性。

dynamo：去中心化的结构上，quorum的写每次可能由不同的副本引发，这会引起数据的不一致与冲突。dynamo没有处理这种情况，而是引用了一个clock vector，记录每次操作由谁发起，什么版本号。将clock vector一起返回给用户，由用户去处理。

如： N=3, W=R=2。初始为（1，1，1）。

1. 以A引发操作+1，A同步给C：

数据（2，1，2），clock vector记录[1,A][][1,A]；

2. 以B引发操作+2，同步给C：

数据（2，3，3），clock vector记录[1,A][1,B][1,B]；

3. 以A引发操作+3，同步给C：

数据（5，3，5），clock vector为[(1,A)(2,A)][1,B][(1,A)(2,A)]；

此时，可见B上的记录与A、C有冲突，需要用户依据不同策略解决这冲突。可以合并，得到结果7。

 

Big Pipe：与GFS一样是WARO，解决写失败的副本不一致的方法是，所有副本将最后一条记录更新到zookeeper，作为标准。同样与GFS一样，更新失败后会新创建chunk用于后续写，提高可用性。