10 stash訂閱地址(大數據核心技術有哪些)

但是重建節點的過程還是存在問題的，如上圖中，集群本身的quorum應該為2，可用區1掛掉后，集群中只剩一個專用主節點，需要把quorum參數(dis買粉絲very.zen.minimum_master_nodes)調整為1后集群才能夠正常進行選主，等掛掉的兩個專用主節點恢復之后，需要再把quorum參數(dis買粉絲very.zen.minimum_master_nodes)調整為2，以避免腦裂的發生。

當然還是有可以把無法選主和腦裂這兩個可能發生的問題規避掉的解決方案，如下圖中國內某云廠商的解決思路：

創建雙可用區集群時，必須選擇3個或者5個專用主節點，后臺會在一個隱藏的可用區中只部署專用主節點；方案的優點1是如果一個可用區掛掉，集群仍然能夠正常選主，避免了因為不滿足quorum法定票數而無法選主的情況；2是因為必須要選擇三個或5個專用主節點，也避免了腦裂。

想比較一主一備兩個集群進行跨機房容災的方式，云廠商通過跨機房部署集群把原本比較復雜的主備數據同步問題解決了，但是，比較讓人擔心的是，機房或者可用區之間的網絡延遲是否會造成集群性能下降。這里針對騰訊云的雙可用區集群，使用標準的benchmark工具對兩個同規格的單可用區和雙可用區集群進行了壓測，壓測結果如下圖所示：

從壓測結果的查詢延時和寫入延時指標來看，兩種類型的集群并沒有明顯的差異，這主要得益與云上底層網絡基礎設施的完善，可用區之間的網絡延遲很低。

類似于同城跨機房容災，異地容災一般的解決思路是在異地兩個機房部署一主一備兩個集群。業務寫入時只寫主集群，再異步地把數據同步到備集群中，但是實現起來會比較復雜，因為要解決主備集群數據一致性的問題，并且跨地域的話，網絡延遲會比較高；還有就是，當主集群掛掉之后，這時候切換到備集群，可能兩邊數據還沒有追平，出現不一致，導致業務受損。當然，可以借助于kafka等中間件實現雙寫，但是數據鏈路增加了，寫入延遲也增加了，并且kafka出現問題，故障可能就是災難性的了。

一種比較常見的異步復制方法是，使用snapshot備份功能，定期比如每個小時在主集群中執行一次備份，然后在備集群中進行恢復，但是主備集群會有一個小時的數據延遲。以騰訊云為例，騰訊云的ES集群支持把數據備份到對象存儲COS中，因為可以用來實現主備集群的數據同步，具體的操作步驟可以參考 買粉絲s://cloud.tencent.買粉絲/document/proct/845/19549 。

在6.5版本官方推出了CCR功能之后，集群間數據同步的難題就迎刃而解了。可以利用CCR來實現ES集群的異地容災：

CCR是類似于數據訂閱的方式，主集群為Leader, 備集群為Follower, 備集群以pull的方式從主集群拉取數據和寫請求；在定義好Follwer Index時，Follwer Index會進行初始化，從Leader中以snapshot的方式把底層的segment文件全量同步過來，初始化完成之后，再拉取寫請求，拉取完寫請求后，Follwer側進行重放，完成數據的同步。CCR的優點當然是因為可以同步UPDATE/DELETE操作，數據一致性問題解決了，同步延時也減小了。

另外，基于CCR可以和前面提到的跨機房容災的集群結合，實現兩地多中心的ES集群。在上海地域，部署有多可用區集群實現跨機房的高可用，同時在北京地域部署備集群作為Follwer利用CCR同步數據，從而在集群可用性上又向前走了一步，既實現了同城跨機房容災，又實現了跨地域容災。

但是在出現故障時需要把集群的訪問從上海切換到北京時，會有一些限制，因為CCR中的Follwer Index是只讀的，不能寫入，需要切換為正常的索引才能進行寫入，過程也是不可逆的。不過在業務側進行規避，比如寫入時使用新的正常的索引，業務使用別名進行查詢，當上海地域恢復時，再反向的把數據同步回去。

現在問題就是保證上海地域集群數據的完整性，在上海地域恢復后，可以在上海地域新建一個Follower Index，以北京地域正在進行寫的索引為Leader同步數據，待數據完全追平后，再切換到上海地域進行讀寫，注意切換到需要新建Leader索引寫入數據。

數據同步過程如下所示：

1.上海主集群正常提供服務，北京備集群從主集群Follow數據

2.上海主集群故障，業務切換到北京備集群進行讀寫，上海主集群恢復后從北京集群Follow數據

大型的 PHP應用 通常使用什么應用做 消息隊列 的

一、消息隊列概述

消息隊列中間件是分布式系統中重要的組件，主要解決應用耦合，異步消息，流量削鋒等問題。實現高性能，高可用，可伸縮和最終一致性架構。是大型分布式系統不可缺少的中間件。

目前在生產環境，使用較多的消息隊列有ActiveMQ，RabbitMQ，ZeroMQ，Kafka，MetaMQ，RocketMQ等。

二、消息隊列應用場景

以下介紹消息隊列在實際應用中常用的使用場景。異步處理，應用解耦，流量削鋒和消息通訊四個場景。

2.1異步處理

場景說明：用戶注冊后，需要發注冊郵件和注冊短信。傳統的做法有兩種1.串行的方式；2.并行方式。

（1）串行方式：將注冊信息寫入數據庫成功后，發送注冊郵件，再發送注冊短信。以上三個任務全部完成后，返回給客戶端。（架構KKQ：466097527，歡迎加入）

（2）并行方式：將注冊信息寫入數據庫成功后，發送注冊郵件的同時，發送注冊短信。以上三個任務完成后，返回給客戶端。與串行的差別是，并行的方式可以提高處理的時間。

假設三個業務節點每個使用50毫秒鐘，不考慮網絡等其他開銷，則串行方式的時間是150毫秒，并行的時間可能是100毫秒。

因為CPU在單位時間內處理的請求數是一定的，假設CPU1秒內吞吐量是100次。則串行方式1秒內CPU可處理的請求量是7次（1000/150）。并行方式處理的請求量是10次（1000/100）。

小結：如以上案例描述，傳統的方式系統的性能（并發量，吞吐量，響應時間）會有瓶頸。如何解決這個問題呢？

引入消息隊列，將不是必須的業務邏輯，異步處理。改造后的架構如下：

按照以上約定，用戶的響應時間相當于是注冊信息寫入數據庫的時間，也就是50毫秒。注冊郵件，發送短信寫入消息隊列后，直接返回，因此寫入消息隊列的速度很快，基本可以忽略，因此用戶的響應時間可能是50毫秒。因此架構改變后，系統的吞吐量提高到每秒20 QPS。比串行提高了3倍，比并行提高了兩倍。

2.2應用解耦

場景說明：用戶下單后，訂單系統需要通知庫存系統。傳統的做法是，訂單系統調用庫存系統的接口。如下圖：

傳統模式的缺點：

1） 假如庫存系統無法訪問，則訂單減庫存將失敗，從而導致訂單失敗；

2） 訂單系統與庫存系統耦合；

如何解決以上問題呢？引入應用消息隊列后的方案，如下圖：

訂單系統：用戶下單后，訂單系統完成持久化處理，將消息寫入消息隊列，返回用戶訂單下單成功。

庫存系統：訂閱下單的消息，采用拉/推的方式，獲取下單信息，庫存系統根據下單信息，進行庫存操作。

假如：在下單時庫存系統不能正常使用。也不影響正常下單，因為下單后，訂單系統寫入消息隊列就不再關心其他的后續操作了。實現訂單系統與庫存系統的應用解耦。

2.3流量削鋒

流量削鋒也是消息隊列中的常用場景，一般在秒殺或團搶活動中使用廣泛。

應用場景：秒殺活動，一般會因為流量過大，導致流量暴增，應用掛掉。為解決這個問題，一般需要在應用前端加入消息隊列。

可以控制活動的人數；

可以緩解短時間內高流量壓垮應用；

用戶的請求，服務器接收后，首先寫入消息隊列。假如消息隊列長度超過最大數量，則直接拋棄用戶請求或跳轉到錯誤頁面；

秒殺業務根據消息隊列中的請求信息，再做后續處理。

2.4日志處理

日志處理是指將消息隊列用在日志處理中，比如Kafka的應用，解決大量日志傳輸的問題。架構簡化如下：

日志采集客戶端，負責日志數據采集，定時寫受寫入Kafka隊列；

Kafka消息隊列，負責日志數據的接收，存儲和轉發；

日志處理應用：訂閱并消費kafka隊列中的日志數據；

以下是新浪kafka日志處理應用案例：

(1)Kafka：接收用戶日志的消息隊列。

(2)Logstash：做日志解析，統一成JSON輸出給Elasticsearch。

(3)Elasticsearch：實時日志分析服務的核心技術，一個schemaless，實時的數據存儲服務，通過index組織數據，兼具強大的搜索和統計功能。

(4)Kibana：基于Elasticsearch的數據可視化組件，超強的數據可視化能力是眾多公司選擇ELK stack的重要原因。

2.5消息通訊

消息通訊是指，消息隊列一般都內置了高效的通信機制，因此也可以用在純的消息通訊。比如實現點對點消息隊列，或者聊天室等。

點對點通訊：

客戶端A和客戶端B使用同一隊列，進行消息通訊。

聊天室通訊：

客戶端A，客戶端B，客戶端N訂閱同一主題，進行消息發布和接收。實現類似聊天室效果。

以上實際是消息隊列的兩種消息模式，點對點或發布訂閱模式。模型為示意圖，供參考。

三、消息中間件示例

3.1電商系統

消息隊列采用高可用，可持久化的消息中間件。比如Active MQ，Rabbit MQ，Rocket Mq。（1）應用將主干邏輯處理完成后，寫入消息隊列。消息發送是否成功可以開啟消息的確認模式。（消息隊列返回消息接收成功狀態后，應用再返回，這樣保障消息的完整性）

（2）擴展流程（發短信，配送處理）訂閱隊列消息。采用推或拉的方式獲取消息并處理。

（3）消息將應用解耦的同時，帶來了數據一致性問題，可以采用最終一致性方式解決。比如主數據寫入數據庫，擴展應用根據消息隊列，并結合數據庫方式實現基于消息隊列的后續處理。

3.2日志收集系統

分為Zookeeper注冊中心，日志收集客戶端，Kafka集群和Storm集群（OtherApp）四部分組成。

Zookeeper注冊中心，提出負載均衡和地址查找服務；

日志收集客戶端，用于采集應用系統的日志，并將數據推送到kafka隊列；

四、JMS消息服務

講消息隊列就不得不提JMS 。JMS（Java Message Service,Java消息服務）API是一個消息服務的標準/規范，允許應用程序組件基于JavaEE平臺創建、發送、接收和讀取消息。它使分布式通信耦合度更低，消息服務更加可靠以及異步性。

在EJB架構中，有消息bean可以無縫的與JM消息服務集成。在J2EE架構模式中，有消息服務者模式，用于實現消息與應用直接的解耦。

4.1消息模型

在JMS標準中，有兩種消息模型P2P（Point to Point）,Publish/S

很赞哦!（388）