这一章主要介绍了备份.
备份是指把同样的信息存在多个机器上. 主要有以下好处

1. 让数据在地理位置上更近.
2. 即使一部分系统down了, 系统仍然可以正常工作.
3. Scale! 有多个备份可以服务更多的读请求.

本章的假设是dataset足够小所以每台机器都可以单独的存下一部分.
如果说dataset相对时间不变的话, 那就相对很简单. 难点在于dataset会变, 如何解决dataset更新?

有三种常见的方法来解决变化的dataset.

1. 单个领导(Leader)
2. 多个领导
3. 没有领导

需要分别讨论
在解决数据同步的时候有一些需要考虑的点: 比如是使用同步复制还是异步复制; 如何处理失败的备份; 最终一致性(eventual consistency); 读你的write( read-your-writes); 单调读(monotonic reads)

领导 和 追随者 (Leaders and followers)

基本概念: Replica; 同步复制, 异步复制
在多个replica之间如何保持数据的一致性, 最常见的解决方案是 leader-based replication. 有时叫做主从备份(master slave), 主动被动备份(active passive).
其中一个备份被指定做为领导.所有的写请求都通过它; 其他的备份做为追随者. 当领导改变的时候, 会通知追随者也改变; 当客户端读的时候, 可以从任意一个备份去读, 但写的话只能通过领导去写.
很多关系型数据库比如MySQL, PostgreSQL都用这种备份模式. 一些非关系型的数据库也会用. 一些message broker比如Kafka, RabbitMQ也会用.

在复制的时候有同步复制和异步复制的说法.

同步复制是写leader的时候一起把追随者也给写了. 等到所有追随者都复制的时候, 才告诉client说我写好了.
优点显而异见, 缺点是这样慢. 一般情况也不会慢很多, 但无法控制下限.
异步复制是写leader的时候只要leader写好就算成功了. follower去慢慢复制. 优点为是快, 缺点是如果leader挂了, 可能有些数据就丢了.
还有一种叫半同步, 其中一个follower是同步的,其他follower是异步的,这样可以保证至少有一个备份.

设制新的追随者

一般是先copy一个snapshot, 再从把snapshot之后的data change 慢慢追上来.

处理Node挂掉的情况

Node经常会挂掉

1. 如果是follower挂掉了
   这比较简单. 从last transaction慢慢追就可以了
2. 如果是leader挂掉了, 就会比较麻烦
   需要把一个备胎promote成leader; 需要让客户端知道这样写请求才能到新的leader上来; 需要让其他同僚知道.
   如何确定leader挂了? 常用timeout
   如何确定新的leader? 可以选举,也可以指定.
   Request routing 让客户端把请求发给新的leader.
   一些常见的头疼的问题: 新的leader可能没收到之前所有的数据, 经常的处理是直接丢掉了, 但是这样不好呀, 会出事; 如果没处理好fail over的问题, 可能会出现两个leader,这时要选择一个来shut down; 认定leader挂了的timeout设多久? 太长的话追起来太慢, 太短的话经常虚假failover. 这些问题都没有简单的solution.

Implementation of Replication logs.

有几种办法

1. Statement-based: INSERT/UPDATE/DELETE这种statement, 缺点是可能不确定,如果有Now()这种statement
2. WAL: 偏底层实现. 取决于数据的存储结构.
3. Row based: 数据库是按row来存储的.replication log也一次处理一个整个的row. 也可以支持transaction. MySQL就是这样
4. Triggered: 不是所有的replica都处理,只有影响到application level的返回结果时才处理. Overhead比较大,但很flexible.

备份延迟问题

Leader based replication对读请求很容易扩展, 但也有如下问题.

Read-your-write consistency 读你自己的写的一致性.

客户写了一个数据之后, 经常需要回读确认. 但是写是写到leader, 读是任意一个follower都可以读, 所以会产生不一致性让客户不满意.
解决办法可以是如果客户访问自已可以修改的资料的时候, 永远走leader; 或者记一个user last operate的time stamp, 让读的服务器确保能跟到这个timestamp之时

单调读 Monotonic Reads

不能让用户看到聊天记录有时间倒流的错觉. 看到了一条聊天记录, 然后它又消失了.

一致前缀读 Consistent Prefix Reads

比如先看到了B的回复然后才看到A的提问.
一个对话存在同一个partition里面.

Replication lag的解决方案

不能假装备份是同步的, 其实它并不是.

多个领导的协作

无领导复制

总结