知识卡片
领头人进程聚集埋下网络流量剧变风险
内容
分片式共识系统里，每个分片的领头人进程承担的出向流量远大于其他副本，因为提案数据由领头人分发，其他节点只回复确认。若领头人选举算法只朝离客户端更近、机器性能更好这类局部最优方向优化，就容易让大量领头人不知不觉聚集到同一数据中心。这颗雷平时不会引爆，直到该数据中心发生大规模故障：所有领头人被迫同时切到其他数据中心，网络流量瞬间暴涨，一旦目标数据中心间带宽储备不够，故障恢复反而触发新一轮过载。
参考来源
- 位置：《SRE：Google运维解密》第23章《管理关键状态：利用分布式共识来提高可靠性》（源文件：_epub-src/OEBPS/Text/0009_0014.xhtml）
- 结论依据：原文指出领头人进程使用更多计算资源尤其是网络容量，而选举算法若偏向客户端距离或机器性能等局部因素，会让领头人聚集在同一批数据中心；一旦该数据中心大规模故障，所有领头人被迫同时迁移，导致其余数据中心间网络流量剧烈变化。
- 原始内容：领头人进程会使用更多的计算资源，尤其是网络容量……某个算法可能会将领头人置于性能最好的机器上……如果三个数据中心中的某个数据中心有更好的机器，那么当这个数据中心出现问题时，将会有剧烈的网络流量变动……所有的领头人都应该切换到另外一个数据中心……其他两个数据中心的网络流量会突然增大。