系统的数据一致性到底是在说什么？我到今天才算真明白了( 二 ) _数据一致性

水平拆分指的是单一的节点无法满足性能的需求，需要进行数量上的扩展。每一个节点都具有相同的功能，每一个节点都负责一部分请求，节点们组成一个集群，对外进行提供服务。
垂直拆分指的是按照功能进行拆分，秉着"专业的人干专业的事" ，把复杂的系统拆分成各个模块。模块之间通过RPC进行通信，可以做到高内聚、低耦合，每个模块独立部署和维护，可以快速迭代响应市场需求。

因此，分布式架构在这种背景下应运而生。

文章插图

分布式(Distributed)架构：分布式系统是由集中式系统逐渐演变而来。所谓的集中式系统，就是把系统中所用的功能都集中到一起，从而向外提供服务的单体应用。

软件行业是没有银弹的，每一个被发明出来的新技术，都是一把双刃剑，都是在特定的领域解决了某些老问题，但是同时也会带来新的问题。那么微服务这种分布式架构解决了什么老问题？同时它又带来了哪些新问题呢？
解决了老问题
微服务这种分布式架构主要解决了单体架构存在的一些问题。

各个服务可以使用不同的语言开发，可以利用不同语言的优势开发不同模块。
服务之间可以做到高内聚、低耦合。每个服务可以独立维护、部署，可以快速响应市场需求。
可以单独对某个有高并发、大流量的服务单独进行优化，不浪费资源。

带来了新问题

系统的监控难度加大。
数据的一致性成为问题。
系统的复杂度提高，系统的维护、设计成本增加，调试、纠错难度加大。

新问题中的数据一致性问题才是本文接下来的重点。
为啥会有这个数据一致性问题呢？
单体架构按照文中的说法，是一种不太时髦的架构方式，都能轻松解决数据一致性问题，新发明的分布式架构却又成了一个棘手的问题，这个到底是技术的进步还是技术在退步呢？哈哈(我的一点点吐槽)！！接下来我来解释一下为啥分布式系统会有这样的问题。分布式系统每个功能大都部署在不同的服务器上，部署在不同国家和地区的服务器中，部署在不同的网络中，部署在不同国家和地区的网络中。这样一个需要大量的服务器共同协作，向外提供服务的系统，面临着诸多的挑战：

良莠不齐的服务器和系统能力

分布式系统中的服务器，可能配置不一样，其上部署的系统可能也是由不同的程序语言、架构实现，因此处理请求的能力也就不一样。

不可靠的网络

如上文所说，系统中各个服务可能部署在不同国家和地区，各个服务通过网络进行通信，但是网络是不可靠的。网络经常会出现抖动、延时、分割、丢包等问题。网络通信中最让人头痛的是因为网络抖动、延时等问题导致系统之间的通信出现超时：A服务向B服务发出请求， A服务没有在约定的时间内接受到B服务的响应，你不能确定B服务到底有没有处理完A服务的请求，这样的不确定性就需要我们进行重试处理，那么B服务就要解决请求幂等性问题。

服务器的机房发生火灾、断电等事故。支付宝出现过服务器的电缆被挖断的问题。

普遍存在的单点故障

分布式系统为了保证故障发生的时候，系统仍然保证可用，每个模块都采用集群部署。单个节点的故障概率较低，但是节点数量达到一定规模时，系统中的节点出现故障的概率可能就变高了。
分布式系统就是这样一些处在不同区域、有着不同能力和拥有单一功能的服务组成，他们通力合作才能向外提供服务，那如何保证他们的状态、信息一致并且协调有序就成了一个难题。
分布式系统就是要解决解决集中式的单体架构系统的各种缺陷，实现整个系统的高性能、高可用、可扩展,但是要实现这三个目标并不容易，将系统进行拆分的过程中会出现上文中说到的问题，为了解决这些问题，诞生了很多关于分布式的基本理论，比如CAP、BASE等等。