Nacos对比Zookeeper、Eureka之间的区别

CAP定律

这个定理的内容是指的是在一个分布式系统中、Consistency（一致性）、 Availability（可用性）、Partition tolerance（分区容错性），三者不可得兼。

• 一致性（C）在分布式系统中的所有数据备份，在同一时刻是否同样的值。（等同于所有节点访问同一份最新的数据副本）

• 可用性（A）在集群中一部分节点故障后，集群整体是否还能响应客户端的读写请求。（对数据更新具备高可用性）

• 分区容错性（P）以实际效果而言，分区相当于对通信的时限要求。系统如果不能在时限内达成数据一致性，就意味着发生了分区的情况，必须就当前操作在C和A之间做出选择。

• 在分布式系统中网络会存在脑裂的问题，部分Server与整个集群失去节点联系，无法组成一个群体。只有在AP和CP选择一个平衡点

Eureka与Zookepper

相同点

• 都可以实现分布式服务注册中心

不同点

• Zookeeper采用CP保证数据的一致性的问题，原理采用Zab原子广播协议，当我们的zk领导因为某种原因宕机的情况下，会自动触发重新选一个新的领导角色，整个选举的过程为了保证数据的一致性问题，在选举的过程中整个zk环境是不可使用的可短暂可能无法使用到zk。意味着微服务采用该模式情况下，可能无法实现通讯（本地有缓存除外）

注意：可运行的节点必须满足过半机制，整个zk采用使用。

Eureka采用AP的设计理念架构注册中心，完全去中心化思想，也就是没有主从之分

每个节点都是均等，采用相互注册的原理，你中有我我中有你，只要最后有一个eureka节点存在就可以保证整个微服务可以实现通讯。

我们在使用注册中心，可用性在优先级最高，可以读取数据短暂不一致性，但是至少要能够保证注册中心可用性。

Nacos与Eureka的区别

定律的区别：

• Eureka采用AP模式形式实现注册中心

• Nacos默认采用AP模式。在1.0版本之后采用AP+CP模式混合实现注册中心。

Eureka与Nacos底层实现集群协议：

• 去中心化对等。

• Raft协议实现集群产生领导角色。

Raft到底是什么：分布式一致性协议的算法

• 分布式系统一致性算法 应用于系统软件实现集群保持每个节点数据的同步性

• 保持我们的集群中每个节点的数据的一致性的问题，专业的术语分布式一致性的算法。

• 场景：Redis集群、nacos集群、mongdb集群等

CP情况下：虽然我们服务不能用，但是必须要保证数据的一致性

AP情况下：可以短暂保证数据不一致性，但是最终可以一致性，不管怎么样，要能够保证我们的服务可用

所以大多的注册中心都是AP

ZAB协议集群原理

Zookeeper Atomic Broadcast

我们在分布式系统，存在多个系统之间的集群保持数据一致性，采用CP一致性算法保持数据的一致性问题。

Zookeeper基于ZAB协议实现保持每个节点的数据同步的问题，中心化思想集群模式；

分为领导和跟随角色。

在程序中如何取决某个节点能力比较强：

对每个节点配置一个myid或者serverid还有数值越大表示能力越强或者随机时间

整个集群中为了保持数据的一致性的问题，必须满足过半可运行的节点环境下才可以使用

ZAB的协议实现原理事通过比较myid，myid谁最大谁就是为可能是领导角色，只要满足过半的机制就可以成为领导角色，后来启动的节点不会参与选举的。

Zab协议如何保持数据的一致性问题

所有写的请求统一交给我们的领导角色实现，领导角色写完数据之后，领导角色再将数据同步给每个节点。

注意：数据之间同步采用2pc两个阶段提交协议。

选举过程：

• 先去比较zxid， zxid谁最大谁就是为领导角色；

• 如果zxid相等的情况下，myid谁最大谁就为领导角色；

如果领导角色在同步过程中宕机了怎么办？

• 如果有同步完成的从机，那么会在从机里面选
• 如果都没有，那么就重新选举

Raft协议选举的基本概念

Raft协议算法

• 1、状态：分为三种 跟随者、竞选者（候选人）、领导角色

• 2、大多数：>=n/2+1 3/2=1+1=2

• 3、任期：每次选举一个新的领导角色 任期都会 实现增加

• 4、竞选者谁的票数最多，谁就是为领导角色

存在的疑问：

多个竞选者，产生的票数都完全一样，这到底谁是领导角色？

​ 注意当我们的集群节点总数，如果是奇数情况下，就算遇到了该问题也不用担心。

当我们的节点是偶数的情况下，可能会存在该问题，如果两个竞选者获取的票数相等的情况下，开始重置竞选的超时时间，一直到谁的票数最多谁就为领导。

默认情况下选举的过程：

• 1、默认的情况下每个节点都是跟随者角色

• 2、每个节点会随机生成一个选举的超时时间，例如大概是100-300ms，在这个超时时间范围内必须要等待。

• 3、超时时间过后，当前节点的状态由跟随者变为竞选者状态，会给其他的节点发出选举的投票通知，只要该竞选者有超过半数以上即可选为领导角色。

  核心的设计原理：谁超时时间最短，谁就有非常大的概率为领导角色。

那么在随机数有可能一样的情况下，如何选举呢？

• 1、如果所有的节点的超时随机数都是一样的情况下，当前投票全部作废，重新进入随机生成超时时间。
• 2、如果有多个节点生成的随机数都是一样的情况下，比较谁的票数最多，谁就是领导。如果票数完全一样的情况，直接作废，重新进入随机生成超时时间。
• 注意：建议集群节点为奇数。偶数节点容易造成死循环。

故障重新实现选举：

如果我们跟随者节点不能够及时的收到领导角色消息，那么这时候跟随者就会将当前自己的状态由跟随者变为竞选者状态，会给其他的节点发出选举投票的通知，只要该竞选者有超过半数以上即可选举为领导角色。

数据是如何保持一致性的？类似于ZAP两阶段提交协议

如何实现日志的复制

• 1、所有的写的请求都是统一的交给我们的领导角色完成，写入该对应的日志，标记该日志为被提交状态。

• 2、为了提交该日志，领导角色就会将该日志以心跳的形式发送给其他的跟随者节点，只要满足过半的跟随者节点写入该目志，则直接通知其他的跟随者节点同步该数据，这个过程称为日志复制的过程。