数据复制--多主架构

单主架构有一个很明显的问题：单一主节点处理所有写操作，导致主节点成为写操作的瓶颈，也就是单点问题。这就引出了多主节点的设计，同样的，每次修改发送到任一主节点上，并由这个主节点将修改同步到其他所有节点上。下面是使用多主架构的一些场景：

1. 跨数据中心的操作
   按照之前所说的单主架构，主节点只能在一个数据中心，从节点则可能分布在不同数据中心，这意味着一次写操作的同步操作需要跨数据中心进行。
   而在多主架构中，可以为每个数据中心都设立主节点。在各个数据中心内类似主从架构，数据中心之间，由主节点负责同步数据。

   
   跨数据中心的多主架构

简单比较一下多数据中心场景下单主架构和多主架构：

• 性能：单主架构在发生写操作时，需要很多网络传输进行数据更新操作，单主节点的设计导致多个数据中心对外提供写操作的能力无法扩展；多主架构由就近数据中心主节点处理写入操作，并异步更新到其他数据中心，数据中心之间的网络可以用企业专线来降低延迟，对外提供写服务的能力可以根据主节点数量进行扩展。
• 数据中心级别的容错：在单主架构中农，若主节点所在数据中心出错，需要从其他数据中心的从节点中选出新的主节点，而在多主架构中，由于各个数据中心都有自己的主节点，可以独立的处理读写请求。

多主架构有个显著的问题：写操作在不同数据中心进行，可能会导致写入冲突的发生。

解决写入冲突

假设在一个协作文档中（比如Google docs，腾讯文档等等），用户1将题目从A修改成了B，用户2将题目从A修改成了C，两次操作时间接近，分别成功的提交到了就近的数据中心并操作成功。当数据中心之间异步同步数据的时候，发生了写入冲突。

写入冲突

同步冲突探测与异步冲突探测

在单主架构中，用户2的写入操作将会被抛弃要求重新写入；而在多主架构中，两个操作可能都会写入成功（在不同的数据中心），在数据中心之间数据同步的时候探测出写入冲突。
显而易见，单主架构可以同步探测到数据冲突，因为所有的写入操作可以看做是串行的，多主架构则是异步探测到冲突。

写入冲突避免

最简单的冲突避免策略就是串行化所有可能会发生冲突的写入操作。比如上面的例子，在路由层按照文档id的哈希值进行路由，保证同一文档的所有写入操作由同一数据中心的同一个主节点处理。这时的多主结构从用户角度来看就是一个单主架构。

数据最终一致性

对于多主架构而言，由于各个主节点接受到的写入操作顺序无法保证，可能会导致不同数据中心的数据更新顺序不同，这时的解决方法是：

• 给每次写入一个全局唯一id，多个有关联的写入发生时，按id最大的为准，如果这个id是时间戳的话，这种方式叫做最后写入为准。
• 给每个数据中心分配id，对于有关联的写入操作，按数据中心id大的写入为准。
• 保留所有数据，将冲突解决逻辑交由逻辑代码处理。

冲突自动解决：

• 无冲突复制数据类型（ Conflict-free replicated datatypes， CRDTs）提供了一个数据类型的集合，包括：集合，映射，列表等等。用来自动处理写入冲突。
• 可合并的持久化数据结构（Mergeable persistent data structures）借鉴了GIT版本控制里的冲突合并方式。
• 流程转换（ Operational transformation）是Google docs背后的冲突合并算法