一、系统高可用（High Availability）
(1) 啥是 “高可用” ？
🍀 通俗一点说，高可用的意思是：在高并发的情况下，系统仍然是可用的
🍀 高可用的目的：保障业务的连续性（实现在用户眼里，业务永远是正常对外提供服务的）
🍀 🍬 【上图】一个 SpringBoot 项目（apple.jar）被部署到服务器上运行，可向其发送网络请求对数据库执行增删改查操作
🍀 🍬 随着请求数量逐渐增多，服务器宕机（死机、挂掉）的可能性也越来越高
🍀 🍬 若服务器宕机会导致服务器上的程序无法运行、会导致服务器上的项目无法启动，则该服务器上的项目不是高可用的项目，很容易产生单点故障
🍀 🍬 单点故障：服务器与项目共生（服务器生，项目活；服务器挂，项目死）
🍀 高可用希望实现两个目标🍬：
① 系统的健壮性，不允许出现单点故障
② 提高系统的处理能力，保证系统的运行效率
(2) 集群是啥意思？
服务器就是计算机🖥️，计算机🖥️就是服务器。
❓ 如何实现高可用（ 在高并发的情况下，系统仍然可用 ）❓
🤔 思想上：可以把项目部署在多台服务器上（ 某台服务器挂了，可以有其他服务器顶上 ）
🍀 集群（cluster）：一组 相互独立的、通过高速网络互联的计算机🖥️的集合
- 多台计算机🖥️构成一个组（ 一个集群 ），这些计算机💻被一种 单一系统的模式 加以管理
✏️单一系统的模式：虽然是多个计算机的集合，但管理和使用的时候与操纵一台计算机无异（ 感觉就像是一个单一的系统，而不是多个计算机的集合 ）
- 集群模式：多台计算机的组合方式
📚 集群模式有三种：
✏️① 主备模式
✏️② 主从模式
✏️③ 高可用模式
① 主备模式
🖊️ 多台服务器的结合构成集群， 其中有一台是主服务器🖥️
🖊️ 正常情况下，只有主服务器🖥️提供服务（主服务器处于 active 状态）
🖊️ 除主服务器之外的都是备用服务器【备用服务器💻平时不提供服务，处于 standby（ 待命 ）状态】
🖊️ 若主服务器💻宕机，挑选众多备用服务器🖥️中的一台作为新的主服务器💻，继续提供服务
② 主从模式
-
✏️ 多台服务器构成集群，每台服务器都提供服务（ 只是不同的服务器提供的功能不同 ）
-
✏️ 【上图】① 主服务器接收写请求和实时性要求高的读请求；② 从服务器接收大多数的读请求；③ 减少服务器宕机的可能
③ 高可用模式
🍀 Queries-per-second：单个进程每秒请求服务器的成功次数（ 每秒查询率 ）
- ✏️ 多台服务器的组合构成集群，每台服务器的角色和功能都一样
✏️ 【上图】若一台服务器的 Tomcat 每秒支持 250 个并发请求，则三台服务器的集合构成的集群服务器每秒可支持750个并发请求
④ 总结
📝 主备集群：避免单点故障
📝 主从集群：避免单点故障；提高并发度和吞吐量
📝 高可用集群：避免单点故障；提高并发度和吞吐量
(3) 分布式（Distribution）
- 📝 分布式是一种系统部署方式
① 单机部署
📝【上图】部署应用的方式是单机部署
- ✏️ 应用服务（ Tomcat ）和数据库服务（ MySQL ）部署在同一台服务器上，这种部署方式叫做单机部署
- ✏️ 好处：Tomcat 和 MySQL 沟通的网络开销很小
- ✏️ 坏处：Tomcat 和 MySQL 共享服务器的内存空间
② 分布式部署
📝【上图】部署应用的方式是分布式部署
✏️ 【上图】应用服务（ Tomcat ）部署在 192.126.111.2 服务器；数据库服务（MySQL）部署在 192.126.111.3 服务器【Tomcat 服务和 MySQL 服务之间通过网络沟通】
- ✏️ 缺点：两个服务器之间通过网络沟通（存在网络开销）
- ✏️ 优点：Tomcat 服务和 MySQL 服务独享自己所在服务器的内存空间
(4) 微服务
- 📝 微服务是系统的一种架构设计方式
- 📝 微服务一定是分布式
- 📝 但分布式不一定是微服务
✏️ 上图把一个应用全部的功能置于同一个项目、同一个应用、同一个 jar 包中，这是单体应用
✏️ 上图根据模块进行划分，每个模块部署在不同的服务器中。服务之间通过网络请求进行访问和沟通，这是微服务架构
(5) 分布式和微服务的对比
✒️① 单体架构所有模块全都耦合在同一个项目中（代码量大，维护困难）
- 微服务每个模块就相当于一个单独的项目（代码量明显减少，遇到问题也好针对解决）
✒️② 单体架构的所有模块共用一个数据库，存储方式比较单一
- 微服务架构各个模块可以使用不同的存储方式（如有的用 redis，有的用 MySQL），单个模块（ 独立的模块 ）对应自己独立的数据库
✒️③ 单体架构所有模块开发所使用的技术一样
- 微服务每个模块可以使用不同的开发技术，开发模式更加灵活
二、分布式应用
🀄 大数据时代，将会面临三个重大问题：
① 海量数据如何存储 ❓
② 如何对海量数据进行运算 ❓
③ 高并发请求如何处理 ❓
🀄 这些问题都可通过【分布式】进行解决
📝 ① 分布式存储解决海量数据的存储问题
📝 ② 分布式计算处理海量数据的运算
📝 ③ 分布式系统处理高并发的请求
(1) 分布式存储
🍀 使用 MySQL 数据库可存储数据，但其存储的数据是有限的。假如 MySQL 可存储的数据是 1T，则固定只能存储 1T 的数据，若数据容量超过 1T 就无法存储了
HBase：Hadoop Database 是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统。利用 HBase 技术可在廉价 PC Server 上搭建起大规模的结构化的存储集群【百度百科】
(2) 分布式计算
🎄 分布式计算：分而算之，把一个大的计算任务分解为多个小的计算任务进行计算操作
🎄 通过汇总小的计算任务的计算结果，进而得到大的计算任务的结果
🍬【上图】有一个 计算海量数据中字母个数 的任务。不同的数据被存放在不同的服务器中，计算字母个数的代码放在 A 服务器。把每个服务器的数据都移动到 A 服务器，再进行计算（非常耗费时间、性能低）
🍬 最好的做法是： 把计算字母个数的代码移动到不同的服务器，在数据所在的服务器中统计完字母个数后，再把计算结果进行汇总【不耗时：移动运算代码所花费的时间肯定低于移动数据所花费的时间⏰】
🍬 一份 计算字母个数的代码 可能最多100M，而不同服务器上的一份数据肯定是远大于100M的，移动代码（运算）比移动数据划算
分布式计算强调：移动运算，而不是移动数据
(3) 分布式系统
🎄 把应用服务（Tomcat）和数据库服务（MySQL）部署在不同的服务器上，Tomcat 和 MySQL 之间通过网络进行沟通
三、分布式协调服务（以 ZooKeeper 为例）
🍀 【上图】客户端若想访问秒杀服务，理论上， 需要知道有哪些秒杀服务器可以访问 ❓
🍀 理论上， 需要知道秒杀服务的动态变化（哪些服务器已宕机，哪些服务器上线了）
🍀 但实际上，客户端并没有必要知道服务器的状态
🍀 客户端只需要发送请求就可以了，实际上是那个服务器处理请求❓客户端没有必要知道
🎄 ZooKeeper 在分布式系统中充当协调者的角色，帮助客户端和分布式服务之间进行沟通，保证系统的正常运行。
转载：https://blog.csdn.net/m0_54189068/article/details/127599230