大数据生态圈里的一致性算法

2018-05-31 本文已影响0人宇宙湾

大数据生态圈中，保证一致性的方式举不胜举

Hadoop 用 Zookeeper（Zab，Paxos + 事务顺序）
ElasticSearch 用 Hash 路由算法（非一致性 Hash）
Cassandra 用 Gossip 闲话算法
Redis 用 Raft 选举算法

他们各有什么区别，为什么会如此选型？

Paxos 选举算法

Paxos 是最先解决拜占庭将军问题的算法，利用过半选举的机制，保证了集群数据副本的一致性（微服务中服务注册与发现的场景，其实已经不再适用了）

Raft 选举算法

Redis 使用 Raft 实现了自己的分布式一致性。Raft 本身和 Paxos 并没有场景上的区别。更多的是，协议上的简化、Term 概念的强化、Log 只会从 Leader 到 Follower 单向同步，使得实现起来会很方便

Zab 原子广播协议

Hadoop 偏向于离线的海量数据处理，利用 Zookeeper 来保证数据副本的一致性，是最为合适的

Hash 路由算法

ElasticSearch 希望能在服务宕机的时候，也能提供查询的功能，并且希望能达到较高的数据存储的负载均衡的能力

一致性Hash

数据存储的负载均衡
　最新的进展，是在去年 Google 发表的一篇有界负载的一致性 Hash 算法的论文。该算法保证了负载均衡一致性和稳定性的同时，在均匀性方面做出了实质性地改进。同时，Consistent Hashing with Bounded Loads 算法也在 HaProxy 开源项目中得以应用，有效减少了其 8 倍的缓存带宽

Gossip 闲话算法

Gossip 主要被 Cassandra 用于实现其分布式一致性。因为 Cassandra 框架，更看重 去中心化 和容错的特性，在不违背 CAP 定理的情况下，能够接受最终一致性

实战一致性算法

分布式存储

Key-value Store

架构思考

HashMap

HashMap 的数据是存在内存里的，一旦进程重启，会有丢数据的风险。同时，数据流一旦到了 TB / PB 级别，会存在硬件方面的瓶颈。另外，需要考虑 Key 相同的情况下，需要处理覆盖的问题

Berkeley DB

实际上是一个增强版的 HashMap，从一个简单的键值对存储，进化到可以管理并行访问、支持事务、数据同步等

Kyoto Cabinet

HashTable 和 B+ Tree 的结合，不过在到达一定数量级，性能下降比较厉害

LevelDB / HBase

利用 LSM Tree 实现了读写分离、顺序写入等功能

知识树

[图片上传失败...(image-95c618-1527773280849)]

参考资料

Book