← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 1628

领头人进程聚集埋下网络流量剧变风险

理解等级:未标注

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。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第23章 管理关键状态:利用分布式共识来提高可靠性 · 查看原书依据

      我们已经讨论过很多分布式共识系统采用领头人机制来提高性能。然而这里要注意,领头人进程会使用更多的计算资源,尤其是网络容量。这是因为,领头人进程会发送带有数据的提议,但是其他副本发送的都只是回应数据,相对较小。运行高度分片的共识系统的组织可能会发现,保证领头人进程在数据中心之间分布相对均衡是很有必要的。这样做可以保证系统不会由于一个数据中心的出口造成瓶颈,于是可以提升系统的整体性能。 将共识组置于不同的数据中心(参见图23-11)中的另外一个劣势是当领头人所处的数据中心出现大规模故障时,整个系统会剧烈变动(如电源故障、网络设备故障、光纤被切等)。如图23-12 所示,在这个灾难场景中,所有的领头人都应该切换到另外一个数据中心,要么是平均分配,要么会涌入同一个数据中心。在这两种情况中,其他两个数据中心的网络流量会突然增大。

    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。