数据集中集群：规模扩大带来的三重复杂性，及ZooKeeper的应对

主备、主从、主主架构都隐含一个假设：单台主机能存下所有数据，但硬件存储能力再怎么发展也追不上业务数据的增长速度（早在2013年Facebook就有2500亿张照片、共250PB数据、每天新增3.5亿张），单机撑不住时就需要多台服务器组成集群——所谓”集群”，数量上至少要3台起（区别于主备主从这类双机架构）。按机器角色划分，集群分为数据集中集群和数据分散集群两类。数据集中集群本质上和主备/主从架构相似，可以理解为”1主多备”或”1主多从”——数据只能往主机写，读操作则可以参照主备/主从的思路灵活安排；但因为机器数量更多，复杂度整体上一个台阶，具体体现在三点：一是主机往多个备机复制数据不再是单一通道，而是多条复制通道，既会增大主机复制的压力，也可能导致各个备机之间数据互不一致，需要额外做备机间的一致性检查和修正；二是原本只有一台备机需要判断主机状态，现在变成多台备机各自判断，不同备机的判断结果完全可能不一致，如何处理这种分歧本身就很复杂；三是主机故障后，理论上多台备机都具备升级为新主机的能力，但实际只能允许一台真正升级，选哪一台、备机之间怎么协调，也是个复杂问题。开源的数据集中集群典型代表是ZooKeeper，它靠ZAB算法解决了上述三个问题，但ZAB算法本身的复杂度也很高。数据集中集群和后续要讲的数据分散集群应用场景不同：数据集中集群适合数据量不大、集群机器数量也不多的场景（如ZooKeeper集群一般推荐5台左右，数据量单台服务器就能扛住）；数据分散集群因为可伸缩性更好，适合数据量巨大、集群规模庞大的场景（如Hadoop、HBase集群，大规模时能到上百上千台服务器）。

结构图：

flowchart TB
  A["数据集中集群(1主多备/多从)"]
  A --> B["复杂点①多条复制通道<br/>增大主机压力+可能导致多备机间数据不一致"]
  A --> C["复杂点②多备机各自判断主机状态<br/>判断结果可能互相矛盾"]
  A --> D["复杂点③主机故障后<br/>多台备机都能升级，但只能选一台<br/>如何协调是难题"]
  B --> E["ZooKeeper用ZAB算法解决以上问题<br/>但ZAB本身复杂度很高"]
  C --> E
  D --> E
  E --> F["适用场景：数据量小/机器数少<br/>如ZooKeeper集群推荐约5台"]