一、需求缘起
明明架构要求高可用，为何系统中还会存在单点？
回答：单点master的设计，会大大简化系统设计，何况有时候避免不了单点
在哪些场景中会存在单点？先来看一下一个典型互联网高可用架构。
./images/2017-03-13-sa/640-1.webp 典型互联网高可用架构： - （1）*客户端层*，这一层是浏览器或者 APP，第一步先访问 DNS-server， 由域名拿到 nginx 的外网IP - （2）*负载均衡层*，nginx是整个服务端的入口，负责反向代理与负载均衡工作 - （3）*站点层*，web-server层，典型的是tomcat或者apache - （4）*服务层*，service层，典型的是dubbo或者thrift等提供RPC调用的后端服务
- （5）*数据层*，包含cache和db，典型的是主从复制读写分离的db架构
在这个互联网架构中，站点层、服务层、数据库的从库都可以通过冗余的方式来保证高可 用，但至少 - （1）/nginx 层/是一个潜在的单点 - （2）数据库写库 master 也是一个潜在的单点
再举一个GFS（Google File System）架构的例子。 ./images/2017-03-13-sa/640-2.webp
GFS的系统架构里主要有这么几种角色： - （1）*client*，就是发起文件读写的调用端 - （2）*master*，这是一个单点服务，它有全局事业，掌握文件元信息 - （3）*chunk-server*，实际存储文件额服务器
这个系统里，master 也是一个单点的服务，Map-reduce 系统里也有类似的全局协调的 master 单点角色。
系统架构设计中，像 nginx，db-master，gfs-master 这样的单点服务，会存在什么问题， 有什么方案来优化呢，这是本文要讨论的问题。
二、单点架构存在的问题
单点系统一般来说存在/两个很大的问题/： - （1）*非高可用*：既然是单点，master一旦发生故障，服务就会受到影响 - （2）*性能瓶颈*：既然是单点，不具备良好的扩展性，服务性能总有一个上限，这个单点的性能 上限往往就是整个系统的性能上限
接下来，就看看有什么优化手段可以优化上面提到的两个问题
三、shadow-master解决单点高可用问题
shadow-master是一种很常见的解决单点高可用问题的技术方案。
“影子master”，顾名思义，服务正常时，它只是单点master的一个影子，在master出现故障时，shadow-master会自动变成master，继续提供服务。
shadow-master 它能够解决高可用的问题，并且故障的转移是自动的，不需要人工介入，但 不足是它使服务资源的利用率降为了 50%，业内经常使用 keepalived + vip 的方式实现这类 单点的高可用。
./images/2017-03-13-sa/640-3.webp 以GFS的master为例，master正常时： - （1）client 会连接正常的 master，shadow-master 不对外提供服务 - （2）master 与 shadow-master 之间有一种存活探测机制 - （3）master 与 shadow-master 有相同的虚IP（virtual-IP）
./images/2017-03-13-sa/640-4.webp 当发现master异常时：
shadow-master会自动顶上成为master，虚IP机制可以保证/这个过程对调用方是透明的/。
除了 GFS 与 MapReduce 系统中的主控 master，nginx 亦可用类似的方式保证高可用，数据库的 主库 master（主库）亦可用类似的方式来保证高可用，只是细节上有些地方要注意：
./images/2017-03-13-sa/640-5.webp 传统的一主多从，读写分离的 db 架构，只能保证读库的高可用，是无法保证写库的高可用 的，要想保证写库的高可用，也可以使用上述的 shadow-master 机制： ./images/2017-03-13-sa/640-6.webp
- （1）两个主库设置*相互同步的双主模式*
- （2）平时只有一个主库提供服务，言下之意，shadow-master 不会往 master 同步数据
- （3）异常时，虚IP漂移到另一个主库，shadow-master 变成主库继续提供服务
需要说明的是，由于数据库的特殊性，数据同步需要时延，如果数据还没有同步完成，流量 就切到了 shadow-master，可能引起小部分数据的不一致。
四、减少与单点的交互，是存在单点的系统优化的核心方向
既然知道单点存在性能上限，单点的性能（例如GFS中的master）有可能成为系统的瓶颈，那 么，/减少与单点的交互，便成了存在单点的系统优化的核心方向/。
怎么来减少与单点的交互，这里提两种常见的方法。
批量写
批量写是一种常见的提升单点性能的方式。
例如一个利用数据库写单点生成做“ID生成器”的例子： ./images/2017-03-13-sa/640-7.webp
- （1）业务方需要ID
- （2）利用数据库写单点的 auto increament id 来生成和返回 ID
这是一个很常见的例子，很多公司也就是这么生成 ID 的，它利用了数据库写单点的特性， 方便快捷，无额外开发成本，是一个非常帅气的方案。
潜在的问题是：生成 ID 的并发上限，取决于单点数据库的写性能上限。
如何提升性能呢？批量写 ./images/2017-03-13-sa/640-8.webp
- （1）中间加一个服务，每次从数据库拿出 100 个 id
- （2）业务方需要 ID
- （3）服务直接返回 100 个 id 中的 1 个，100 个分配完，再访问数据库
这样一来，每分配100个才会写数据库一次，分配id的性能可以认为提升了100倍。
客户端缓存
客户端缓存也是一种降低与单点交互次数，提升系统整体性能的方法。
还是以GFS文件系统为例： ./images/2017-03-13-sa/640-9.webp
- （1）GFS 的调用客户端client要访问 shenjian.txt，先查询本地缓存，miss 了
- （2）client 访问 master 问说文件在哪里，master 告诉 client 在 chunk3 上
- （3）client 把 shenjian.txt 存放在 chunk3 上记录到本地的缓存，然后进行文件的读写操作
- （4）未来 client 要访问文件，从本地缓存中查找到对应的记录，就不用再请求 master 了，可以直 接访问 chunk-server。如果文件发生了转移，chunk3 返回 client 说“文件不在我这儿了”， client 再访问 master，询问文件所在的服务器。
根据经验，这类缓存的命中非常非常高，可能在 99.9% 以上（因为文件的自动迁移是小概率 事件），这样与 master 的交互次数就降低了 1000 倍。
五、水平扩展是提升单点系统性能的好方案
无论怎么批量写，客户端缓存，单点毕竟是单机，还是有性能上限的。
想方设法水平扩展，消除系统单点，理论上才能够无限的提升系统系统。
以nginx为例，如何来进行水平扩展呢？
./images/2017-03-13-sa/640-10.webp 第一步的 DNS 解析，只能返回一个 nginx 外网 IP 么？答案显然是否定的，*“DNS轮询”技术* 支持 DNS-server 返回不同的 nginx 外网 IP，这样就能实现 nginx 负载均衡层的水平扩展。
./images/2017-03-13-sa/640-11.webp DNS-server 部分，一个域名可以配置多个 IP，每次DNS解析请求，轮询返回不同的 IP，就 能实现 nginx 的水平扩展，扩充负载均衡层的整体性能。
数据库单点写库也是同样的道理，在数据量很大的情况下，可以通过水平拆分，来提升写入性能。
遗憾的是，*并不是所有的业务场景都可以水平拆分*，例如秒杀业务，商品的条数可能不多，数据库的数据量不大，就不能通过水平拆分来提升秒杀系统的整体写性能（总不能一个库100条记录吧？）。
六、总结
今天的话题就讨论到这里，内容很多，占用大家宝贵的时间深表内疚，估计大部分都记不住， 至少记住这几个点吧：
- （1）单点系统存在的问题：可用性问题，性能瓶颈问题
- （2）shadow-master是一种常见的解决单点系统可用性问题的方案
- （3）减少与单点的交互，是存在单点的系统优化的核心方向，常见方法有批量写，客户端缓存
- （4）水平扩展也是提升单点系统性能的好方案
如果有收获，帮忙随手转发哟。
=【完】=