cluster模式问题以及解决

1.1 分布式和集群

分布式一定是集群，但是集群不一定是分布式。

单体应用：所有服务写在一个机器上。（用户、支付、物流、商品）。

分布式：各个子系统是一个服务。（拆分系统）

集群：多个实例一起工作。

分布式一定是集群，集群不一定是分布式

1.2 一致性Hash算法

HD5（加密）

普通hash算法存在的问题

• 浪费空间
• 相同内容，存不了同样的数据

改进：

1，6，7，8 对5 取余数

1）可以对数区模运算

2）开放寻址法。

如果空闲，可以向前、先后找空闲

3）拉链法

横向放不下，纵向放置链表

4）除留余数法

H = H*a + x%b

1.3 Hash算法负载均衡算法应用

应用场景

1）负载均衡（Nginx）

ip或者sessionid跟机器数区模运算，可以实现会话粘滞

分布式存书（redis）

hash(key)%3=index

1.4 一致性hash算法

1）1~2**32-1 组成一个闭合环。

2）集群ip地址求hash值hash（ip），

3）顺时针算 hash（user）最近的 hash（ip）

1.6 扩容，缩容

1）普通hash算法如果扩容，缩容 % 服务器数目的话，所有节点都要重新算，重新分配

2）一致性hash算法只影响从 服务器hash（ip1） ～ hash（ip2）之前的逆时针用户

1.7 一致性Hash虚拟节点

如果够成的Hash环分布不均匀容易有数据倾斜问题。可以用虚拟节点解决。

虚拟节点：对现有ip计算多个hash值。（好像这个hash环增加了ip一样）

2.1 时钟不同步问题

可以从前向后带时间

可以设置为处理的服务器时间

可以选一个服务器用来记录时间

数据混乱。

3.1 为什么需要分布式ID

可能导致数据重复

3.2 分布式ID生成方案 UUID

直接用java带的接口。缺点：太长，没规律

3.3 分布式ID生成方案数据库方式

去找一个数据库。有一张表，需要的时候就插入一个记录，生成一个唯一id

3.3 分布式ID生成方案雪花算法

时间戳+机器码+随机数

4.1 分布式调度问题