谈一谈分布式系统中数据的安全和性能

在分布式系统中，我们知道CAP定理和BASE理论，数据的安全和性能是负相关的，数据的安全性提高了，那他的性能就会下降，相关，他的性能提高了，数据的安全性就会下降。我们从几个中间件来讨论这个问题。

mysql

当mysql性能出现瓶颈时，我们会做分库分表、读写分离等，读写分离需要我们做主从复制，对读的操作，我们指向从库，对写的操作，我们指向主库，下面看看主从复制的原理。
当业务系统提交数据的时候，master会将这变更的数据保存到binlog文件，写入成后，事务提交成功。
slave中会有一个线程，他会从master中读取binlog信息，然后写入relay文件。然后他还会有其他线程，读取relay文件的信息，把这个信息重新在slave库执行一遍。也就是说，如果在master中执行了一个update的语句，那在slave中同样也执行一模一样的update语句，这样两边的数据就会保持一致，由于master先执行，然后slave再执行，所以会有稍微的延迟。如果执行的语句比较久，那这个延时也会比较长，当然系统的压力也会影响延迟的时间。

除了延时以外，他还有一个比较大的问题，当写入binlog后，代表事务提交成功，此时master挂了，导致slave没办法读取这部分的binlog，所以就会出现数据的丢失，两边的数据就没办法保持一致性，所以我们通常会把上面的异步复制形式设置半同步复制，也就是semi-sync。
半同步复制与异步复制不同的是，当master写入到binlog后，他会主动的把数据同步到从库，从库把信息写入到relay文件，会返回ACK给master，此时master才会认为他的事务是提交的。

如果有多个slave的情况，则至少返回1个ACK才认为事务的提交的。半同步复制虽然解决了数据安全的问题，但是他需要从库写入relay文件并返回ACK才算提交事务，与异步复制对比，他的性能是下降的。

单体

在单体中，也同样存在着数据安全和性能的负相关问题。
这里简述一下mysql对update语句的一个流程。

• 当执行update的时候，会先从磁盘里把数据读取到缓存。
• 写入undo文件，这里是在我们事务回滚的时候用的。
• 修改缓存数据，比如把id为1的name由张三改为李四。
• 写入redo缓存，redo主要是为了宕机重启时，恢复数据用的。
• 写入redo缓存后，写入到磁盘。
• 写入binlog文件。
• 写入binlog后，提交commit给redo，跟redo说已经写入到binlog了。
• 定期把缓存的数据写入到磁盘。

我们对数据的更新，都是在缓存中进行的，这样可以保证性能的提高。同时为了数据的安全性，还引入了undo、redo、binlog等东西。我们可以看redo和binlog两种写入磁盘的策略。
在redo中，我们可以选择0，即不把缓存数据写入磁盘，这样可以快速执行完redo操作，如果此时宕机了，还没写入磁盘的数据就丢失了，虽然提高了性能，但是数据安全性没有了。如果选择1，由于要写入磁盘才可以完成redo操作，虽然保证了数据的安全性，但是性能却下降了。
同样的，binlog写入oscache是提高了性能，但是服务器宕机会导致oscache的数据不能及时的写入磁盘，导致数据的安全性没有。如果直接写入磁盘，性能又下降。

redis

与mysql已有，redis的复制也是异步复制的，当业务系统往master写入数据的时候，他就会通过异步复制的方式把数据同步给slave，所以和mysql类似，当业务系统认为他已经把数据写入到redis的时候，此时master挂了，但是数据还没同步到slave，他的数据就丢失了。

另外一个场景，就是发生了脑裂，也就是sentinel认为master挂了，然后重新选举了master，此时业务系统和master是正常通讯的，他把数据提交到原master节点，但是原master节点的数据此时是没办法同步到其他节点，导致数据不一致。

在这情况下，我们会做以下配置:

min-replicas-to-write 1
min-replicas-max-lag 10

这个意思是至少有1个slave已经有10秒没有同步，则master暂停接收请求。所以不会说master一直写入数据，而slave没有同步。如果发生以上两个场景，最多丢失10秒的数据。虽然没有严格的做到数据安全性，但是也保证了数据的不一致性不会超过10秒，超过10秒后，由于不能写数据，写性能下降为0。

RocketMQ

我们看看基于Dledger是怎么做broker同步的。

首先，master broker收到消息后，会把这个消息置为unconmmited状态，然后把这个消息发送给slave broker，slave broker收到消息后，会发送ack进行确认，如果有多个slave broker，当超过一半的slave broker发送ack时，master broker才会把这个消息置为committed状态。在这种机制下，保证了数据的安全性，当master broker挂了，我们还有至少超过一半的slave broker的数据是完整的，由于需要多个slave broker进行ack确认，也降低了性能。
从单体上来说，异步刷盘和同步刷盘跟mysql的redo写入磁盘的一样的。
另外，kafka的同步机制跟这个类似，而且他也有写入oacache的操作。

Zookeeper

Zookeeper是CP模型的，那他的数据安全性是可以保证的，那他的性能呢？我们假设此时master节点挂了，此时需要重新选主，这个时候Zookeeper集群是不可用状态的。那Zookeeper是如何保证数据的一致性呢？

我们假设master同步给5个slave。
当master不用确认是否已经同步给slave就直接返回，这个时候性能是最高的，但是安全性是最低的，因为master数据没同步到slave的时候挂了，那这个数据是丢失的。
当master确认已经同步给所有slave（这里是5个）才返回，这个时候，性能是最低的，但是安全性是最高的，因为不管哪个slave，他的数据都是完整的。
不管是RocketMQ还是Zookeeper，都是折中选择超过一半的slave同步，才算成功。当我们访问Zookeeper的时候，他会根据已经同步好的slave服务器让我们来读取对应的信息，这样我们读取的数据肯定都是最新的。