太上老君的炼丹炉之分布式 Quorum NWR

分布式系列文章：

1.用三国杀讲分布式算法，舒适了吧？

2.用太极拳讲分布式理论，真舒服！

3.诸葛亮 VS 庞统，拿下 Paxos 共识算法

 4.用动图讲解分布式 Raft

5.韩信大招：一致性哈希

 6.病毒入侵：全靠分布式 Gossip 协议

 7.这三年被分布式坑惨了，曝光十大坑

 8.太上老君的炼丹炉之分布式 Quorum NWR

太白金星：听闻老君最近在练神丹妙药，可否与我一讲？

太上老君：老白啊，我最近在练六颗丹药：两颗延年丹、两颗健步丹、两颗恢复丹。

太白金星：那这三个八卦炉定是练这三件法宝的了？

太上老君：正是正是。而且对于相同的丹药，功效和大小还得完全一样。

一、三个炼丹炉怎么分配的

太白金星：老君，你的八卦炉怎么分配的啊？

让我们揭开老君的炼丹炉，看看六颗丹药是怎么分配的。

首先我们是很容易猜到丹炉是怎么分配炼丹的：

一号丹炉炼两颗延年丹。
二号丹炉炼两颗健步丹。
三号丹炉炼两颗恢复丹。

那如此分配会有什么问题呢？

我们试想一下，如果一号丹炉因为炉火太高炸裂了，那么两颗延年丹定会失败。这和把鸡蛋放到一个篮子里面是一个道理。假如篮子不慎被打翻，里面的鸡蛋都掉出来，就都碎了。

太上老君：老白，我把锅炉的盖子揭开给你看看你就知道了。

一号丹炉炼一颗延年丹和一颗健步丹。
二号丹炉炼一颗延年丹和一颗恢复丹。
三号丹炉炼一颗健步丹和一颗恢复丹。

太白金星：老君，为何要如此分配，每个丹药的火候可不那么好把控啊？

太上老君：老白，我可是炼丹大师，火候难不倒我。

太白金星：不愧是老君啊，这样即使有一个丹炉有问题，至少能保证一颗能炼成，而不是两颗都毁了。

映射到我们互联网系统中：丹炉类似于服务器节点或数据库节点，通过多个节点来相互备份数据来保证系统的高可用性（High Availability）。

二、如何保证丹药品质一样

2.1 一致性

太白金星：老君，你刚提到，两颗延年丹需要保证功效一样，大小一样？

太上老君：确实如此，丹药品质必须保持一致，我炼的都是九品丹药，药效差一点则是千差万别。

太上老君说的品质保持一致到底怎么回事？

一号丹炉里面的延年丹和二号丹炉的延年丹如何保证品质一致呢？

这不就是我们常常说的分布式一致性吗？两颗丹药分布在不同的丹炉中，需要保证品质一致。

如下图所示，这两颗延年丹的一大一小，颜色也有不同，这就是品质不一样。

而在架构设计中，比如请求访问到不同的数据库，查到的数据都是一样的，这就是一致性。

如下图所示：浏览器访问数据库 1 和数据库 2 中的数据 A，结果返回的都是 A = 1。

2.2 最终一致性和强一致性

分布式中的一致性又分为最终一致性和强一致性。

所谓强一致性就是写操作完成后，任何后续访问都能读到更新后的值。这就是CP系统所要求的一致性和分区容错性。。

那放到炼丹中怎么理解？

比如老君给一号丹炉的延年丹加入了莲花这种药材，给二号丹炉的延年丹也这么操作，那么老白揭开炉盖看到的两颗延年丹的成分是一样的。

而最终一致性就是不保证后续访问都能读到更新后的值，但是经过一段时间后，再去读，就能得到相同的值。也就是说，在这段时间内，可能读到旧的数据。这就是 AP系统所要求的可用性和分区容错性。

放到炼丹中怎么理解？

比如老君给一号丹炉的延年丹加入了莲花，而经过了一个时辰后，才给二号丹炉加雪莲，那么在这个时辰内，看到的两颗延年丹的成分就不一样了。但经过一个时辰后，最终成分一样。

三、可控的品质：Quorum NWR 协议

Quorum NWR

假如延年丹必须保证品质的强一致性，而健步丹只需要保证品质的最终一致性，这个该怎么控制呢？

这个可没有难倒老君，因为老君懂得分布式协议：Quorum NWR。

Quorum 这个单词的意思：(会议的)法定人数。主要是看后面三个大写字母：N、W、R。由 NWR 来控制一致性。

3.1 参数 N

我们还是来看下丹炉中的情况，两颗延年丹是互为备份的，相当于有两个副本。

N 称作副本数，又叫做复制因子（Replication Factor）。表示同一份数据有多少个副本，所以：延年丹的 N = 2。依次类推：健步丹的 N = 2，恢复丹的 N = 2。如下图所示：

那 N 可以变吗？

如下图所示：比如我想炼 3 颗延年丹，也就是每个丹炉都有延年丹，那就把 N 改成 3 就可以了。而健步丹只需要炼一颗足以，那一号丹炉炼就可以了，所以N = 1。

3.2 参数 W

指定了副本数 N 之后，就可以对副本数据进行读写操作。

读操作：查看所在丹炉内丹药的情况。
写操作：给丹药添加药材、提高温度。

那多个丹药该如何执行读写操作呢？对于写操作，我们有 W 参数，对于读操作，我们有 R 参数。

W 称为写一致性级别（Write Consistency Level），表示成功完成 W 个副本更新，才完成写操作。

比如设置延年丹的 W = 2，表示对延年丹执行写操作时，完成了 2 个副本的更新时，才完成写操作。

如下图所示：一号丹炉和二号丹炉中的延年丹都加入了莲花，而三号丹炉中的延年丹未加入莲花。也就是只完成了两个副本的更新，符合 W = 2 这个条件，即写操作完成。

但是大家发现问题没，三号丹炉的延年丹未加入莲花，那怎么保证太上老君查看丹药情况时，得知是已加入莲花呢？也就是如何保证读写的强一致性，这就要用到第三个参数了：R。

3.3 参数 R

R 称为读一致性级别（Read Consistency Level），表示读取一个数据对象时，需要读 R 个副本，然后返回 R 个副本中最新的那份数据。

回到炼丹的问题中，设置延年丹的 R = 2，也就是查看延年丹的情况时，只需要查看两个丹炉内的延年丹的情况，然后返回最新的延年丹的情况就可以了。

假设查看的是一号和二号丹炉内的延年丹，返回的情况都是：已加入莲花。这种场景是一致性的。
假设查看的是一号和三号丹炉内的延年丹，一号丹炉的延年丹是已加入莲花，三号丹炉是未加入莲花，但是三号丹炉内的延年丹最后一次操作时间是早于一号丹炉的，所以返回一号丹炉内延年丹的情况：已加入莲花。这种场景也是一致性的。

通过上面的两种场景，我们知道，通过设置 R = 2，即使读到第三份未更新的数据，也能返回更新后的数据，实现强一致性。

3.4 参数组合

参数 N、W、R 的不同组合将会带来不同的一致性效果。

比如上面的例子，N = 3，W = 2，R = 2，W + R > N，对于客户端来讲，整个系统能保证强一致性，一定能返回更新后的那份数据。
当 W + R <= N 时，对于客户端来讲，整个系统只能保证最终一致性，访问数据期间可能会返回旧数据。

参数不同，效果不同，分布式系统需要场景来配置。

四、应用

InfluxDB 企业版是时序数据库，它有四种写一致性级别：

any：W + R < N，W = 1，任何一个节点写入成功后，或者写入 Hinted-handoff 缓存（等下次重传），返回成功给客户端。
one：W + R < N，W = 1，任何一个节点写入成功后，立即返回成功给客户端，不包括写入 Hinted-handoff 缓存
quorum：W + R > N，大多数节点写入成功后，就返回成功给客户端。（要求 N 大于2）
all：W = N，所有节点都写入成功后，返回成功。

另外对于时序数据库 InfluxDB 来说，读操作需要读取大量数据，为了保证读取的高效，它不支持读一致性级别（R = N），但是可以通过设置写一致性级别为 all，来实现强一致性。

InfluxDb 实现了 Quorum NWR，当线上业务需要临时做些一致性调整时，设置不同的写一致性级别即可完成快速切换。

五、总结

本文通过太上老君和太白金星关于炼丹的对话，引申出自定义一致性的分布式协议：Quorum NWR 协议。

丹炉比喻节点，丹药比作数据，多个丹药称作副本。
N 代表副本数，W 代表写多少个副本数，R 代表读多少个副本数。
当 N 大于节点数时，就会出现一个节点存在多个副本的情况，这个节点故障时，多个副本会受到影响。
W + R > N 时，代表强一致性。
W = N 时，读性能好。R = N，写性能好。
W = R = (N+1)/2，容错能力好，能容忍少数节点（也就是(N-1)/2）个节点故障。
如何设置 N、W、R 值，取决于我们的系统该往哪方面优化。
Quorum NWR 分布式算法给业务提供了按需选择一致性级别的灵活度，弥补了 AP 型系统缺乏强一致性的缺点。

太白金星：预祝你炼丹成功！我要去分享和留言了！

作者简介：悟空，8年一线互联网开发和架构经验，用故事讲解分布式、架构设计。《JVM性能优化实战》专栏作者，开源了《Spring Cloud 实战 PassJava》项目，自主开发了一个 PMP 刷题小程序。关注可免费刷题。

我是悟空，努力变强，变身超级赛亚人！