分散式系統的核心—日誌

什麼是日誌?

#日誌就是按照時間順序追加的、完全有序的記錄序列，其實就是一種特殊的文件格式，文件是一個字節數組，而這裡日誌是一個記錄數據，只是相對於文件來說，這裡每筆記錄都是按照時間的相對順序排列的，可以說日誌是最簡單的一種儲存模型，讀取一般都是從左到右，例如訊息佇列，一般是線性寫入log文件，消費者順序從offset開始讀取。
由於日誌本身固有的特性，記錄從左向右開始順序插入，也就意味著左邊的記錄相較於右邊的記錄“更老”, 也就是說我們可以不用依賴於系統時鐘，這個特性對於分佈式系統來說相當重要。

日誌的應用程式

#日誌在資料庫中的應用

#日誌是什麼時候出現已經無從得知，可能是概念上來講太簡單。在資料庫領域中日誌更多的是用於在系統crash的時候同步資料以及索引等，例如MySQL中的redo log，redo log是一種基於磁碟的資料結構，用於在系統掛掉的時候保證數據的正確性、完整性，也叫預寫日誌，例如在一個事物的執行過程中，首先會寫redo log，然後才會應用實際的更改，這樣當系統crash後恢復時就能夠根據redo log進行重放從而恢復資料(在初始化的過程中，這個時候不會還沒有客戶端的連線)。日誌也可以用於資料庫主從之間的同步，因為本質上，資料庫所有的操作記錄都已經寫入到了日誌中，我們只要將日誌同步到slave，並在slave重播就能夠實現主從同步，這裡也可以實現許多其他需要的元件，我們可以透過訂閱redo log 從而拿到資料庫所有的變更，從而實現個人化的業務邏輯，例如審計、快取同步等等。

日誌在分散式系統中的應用

# 分散式系統服務本質上就是關於狀態的變更，這裡可以理解為狀態機，兩個獨立的進程(不依賴於外部環境，例如係統時脈、外部介面等)給定一致的輸入將會產生一致的輸出並最終保持一致的狀態，而日誌由於其固有的順序性並不依賴系統時鐘，正好可以用來解決變更有序性的問題。
我們利用這個特性來實現解決分散式系統中遇到的許多問題。例如RocketMQ中的備節點，主broker接收客戶端的請求，並記錄日誌，然後即時同步到salve中，slave在本地重播，當master掛掉的時候，slave可以繼續處理請求，例如拒絕寫入請求並繼續處理讀取請求。日誌中不只可以記錄數據，也可以直接記錄操作，例如SQL語句。

日誌是解決一致性問題的關鍵資料結構，日誌就像是操作序列，每一筆記錄代表一條指令，例如應用廣泛的Paxos、Raft協議，都是基於日誌建構的一致性協議。

日誌在Message Queue中的套用

日誌可以很方便的用於處理資料之間的流入流出，每一個資料來源都可以產生自己的日誌，這裡資料來源可以來自各個方面，例如某個事件流(頁麵點擊、快取刷新提醒、資料庫binlog變更)，我們可以將日誌集中儲存到一個叢集中，訂閱者可以根據offset來讀取日誌的每筆記錄，根據每筆記錄中的資料、操作套用自己的變更。
這裡的日誌可以理解為訊息佇列，訊息佇列可以起到非同步解耦、限流的作用。為什麼要說解耦呢？因為對消費者、生產者來說，兩個角色的職責都很清晰，就負責生產訊息、消費訊息，而不用關心下游、上游是誰，不管是來資料庫的變更日誌、某個事件也好，對於某一方來說我根本不需要關心，我只需要專注於自己感興趣的日誌以及日誌中的每筆記錄。

我們知道資料庫的QPS是一定的，而上層應用一般可以橫向擴容，這個時候如果到了雙11這種請求突然的場景，資料庫會吃不消，那麼我們就可以引入訊息佇列，將每個隊資料庫的操作寫到日誌中，由另外一個應用專門負責消費這些日誌記錄並應用到資料庫中，而且就算資料庫掛了，當恢復的時候也可以從上次訊息的位置繼續處理(RocketMQ和Kafka都支援Exactly Once語義)，這裡即使生產者的速度異於消費者的速度也不會有影響，日誌在這裡起到了緩衝的作用，它可以將所有的記錄存儲到日誌中，並定時同步到slave節點，這樣訊息的積壓能力能夠得到很好的提升，因為寫日誌都是有master節點處理，讀請求這裡分為兩種，一種是tail-read，就是說消費速度能夠跟得上寫入速度的，這種讀可以直接走緩存，而另一種也就是落後於寫入請求的消費者，這種可以從slave節點讀取，這樣透過IO隔離以及作業系統自帶的一些檔案策略，例如pagecache、快取預讀等，性能可以得到很大的提升。

分散式系統中可橫向擴展是相當重要的特性，加機器能解決的問題都不是問題。那麼如何實現一個能夠實現橫向擴展的消息隊列呢? 假如我們有一個單機的消息隊列，隨著topic數目的上升，IO、CPU、頻寬等都會逐漸成為瓶頸，性能會慢慢下降，那麼這裡如何進行性能優化呢?

1. topic/日誌分片，本質上topic寫入的訊息就是日誌的記錄，那麼隨著寫入的數量越多，單機會慢慢的成為瓶頸，這個時候我們可以將單一topic分為多個子topic，並將每個topic分配到不同的機器上，透過這種方式，對於那些訊息量極大的topic就可以透過加機器解決，而對於一些訊息量較少的可以分到到同一台機器或不進行分區
2. group commit，例如Kafka的producer客戶端，寫入訊息的時候，是先寫入一個本地記憶體佇列，然後將訊息依照每個分區、節點匯總，進行批次提交，對於伺服器端或broker端，也可以利用這種方式，先寫入pagecache，再定時刷盤，刷盤的方式可以根據業務決定，例如金融業務可能會採取同步刷盤的方式。
3. 規避無用的資料拷貝
4. IO隔離
   

結語

日誌在分散式系統中扮演了很重要的角色，是理解分散式系統各個元件的關鍵，隨著理解的深入，我們發現許多分散式中間件都是基於日誌建構的，例如Zookeeper、 HDFS、Kafka、RocketMQ、Google Spanner等等，甚至於資料庫，例如Redis、MySQL等等，其master-slave都是基於日誌同步的方式，依賴共享的日誌系統，我們可以實現很多系統: 節點間資料同步、並發更新資料順序問題(一致性問題)、持久性(系統crash時能夠透過其他節點繼續提供服務)、分散式鎖服務等等，相信慢慢的通過實踐、以及大量的論文閱讀之後，一定會有更深層的理解。

以上是分散式系統的核心—日誌的詳細內容。更多資訊請關注PHP中文網其他相關文章！