分布式高可用架構之道

第1章  理解高可用 1
1.1  什么是可用性 1
1.1.1  SLA與可用性 1
1.1.2  影響高可用的因素 3
1.1.3  高可用策略 4
1.1.4  高可用和高可靠 7
1.2  FMEA理論 7
1.3  集群與分布式 9
1.3.1  什么是集群與分布式 9
1.3.2  分布式架構 11
1.4  高可用之CAP理論 13
1.4.1  CAP理論 13
1.4.2  ACID理論 15
1.4.3  兩階段提交 16
1.4.4  補償事務TCC 17
1.4.5  BASE理論 19
1.5  高可用之選舉算法 21
1.5.1  霸道選舉算法 21
1.5.2  Raft選舉算法 24
1.5.3  ZAB選舉算法 26
1.6  高可用之共識算法 29
1.6.1  Paxos算法 29
1.6.2  Multi-Paxos算法 32
1.6.3  Raft算法 33
1.7  高可用之一致性算法 34
1.7.1  一致性分類 34
1.7.2  Gossip協(xié)議（最終一致性） 34
1.7.3  Quorum NWR算法 37
1.7.4  Quorum NWR的應用 38
1.7.5  Raft日志一致性 40
第2章  應用的高可用 43
2.1  軟件質(zhì)量對高可用的影響 43
2.1.1  影響寫出高質(zhì)量代碼的原因 43
2.1.2  代碼重構 46
2.1.3  代碼審查概述 47
2.1.4  人工代碼審查 48
2.1.5  代碼自動檢查 52
2.2  優(yōu)雅關閉 53
2.2.1  Java優(yōu)雅關閉 55
2.2.2  Spring Boot微服務優(yōu)雅關閉 58
2.3  優(yōu)雅啟動 60
2.3.1  預熱啟動 60
2.3.2  延時注冊 61
2.4  服務狀態(tài) 62
2.4.1  無狀態(tài)服務 62
2.4.2  有狀態(tài)服務 63
2.4.3  實現(xiàn)無狀態(tài) 63
2.5  重試 64
2.5.1  重試概述 64
2.5.2  重試風險 64
2.5.3  退避策略 65
2.5.4  重試熔斷策略 65
2.5.5  鏈路重試熔斷 66
2.5.6  重試超時 67
2.6  冪等 68
2.6.1  非冪等原因 68
2.6.2  冪等定義 68
2.6.3  冪等場景 69
2.6.4  冪等解決方案 70
2.7  健康檢查 74
2.7.1  Spring Boot Actuator健康檢查 75
2.7.2  Nacos健康檢查 84
2.8  流量削峰 96
2.8.1  為何要削峰 96
2.8.2  答題/驗證碼 97
2.8.3  分時分段 97
2.8.4  禁用“秒殺”按鈕 98
2.8.5  分層過濾 98
2.8.6  消息隊列 99
2.9  負載均衡 100
2.9.1  負載均衡算法 100
2.9.2  負載均衡的實現(xiàn) 105
2.10  限流 108
2.10.1  限流概述 108
2.10.2  限流算法 109
2.10.3  Sentinel中的勻速排隊限流策略 113
2.11  降級 121
2.11.1  服務降級概述 121
2.11.2  服務降級開關 121
2.11.3  自動降級 122
2.11.4  讀服務降級 123
2.11.5  寫服務降級 123
2.12  熔斷 124
2.12.1  熔斷概述 124
2.12.2  熔斷實現(xiàn) 125
2.12.3  案例：Hystrix的工作流程 126
2.13  故障檢測 130
2.13.1  固定心跳 130
2.13.2  心跳設計 131
2.13.3  TCP Keepalive 132
2.13.4  MQTT Keepalive 133
2.14  故障隔離 133
2.14.1  故障隔離概述 133
2.14.2  故障隔離策略 134
2.15  集群容錯 136
2.15.1  失敗轉(zhuǎn)移 136
2.15.2  失敗自動恢復 137
2.15.3  失敗安全策略 137
2.15.4  快速失敗 138
2.16  集群部署 139
2.16.1  停機部署 139
2.16.2  藍綠部署 139
2.16.3  滾動發(fā)布 141
2.16.4  灰度發(fā)布/金絲雀部署 143
2.16.5  無損發(fā)布 146
第3章  數(shù)據(jù)庫高可用 148
3.1  數(shù)據(jù)庫高可用概述 148
3.1.1  數(shù)據(jù)庫高可用的重要性 148
3.1.2  MySQL XA協(xié)議 149
3.2  雙節(jié)點 154
3.2.1  主從模式實現(xiàn)讀寫分離 154
3.2.2  讀寫分離實現(xiàn)方案 156
3.2.3  SQL語句執(zhí)行過程 158
3.2.4  MySQL日志模塊 160
3.2.5  主從數(shù)據(jù)同步 162
3.3  MySQL高可用架構 165
3.3.1  MySQL高可用架構MMM 165
3.3.2  基于MHA實現(xiàn)MySQL自動故障轉(zhuǎn)移 166
3.3.3  MySQL Cluster架構 167
3.3.4  MySQL DRDB Heartbeat架構 169
3.3.5  云數(shù)據(jù)庫高可用架構 170
3.4  案例：MySQL一主多從數(shù)據(jù)同步 172
第4章  緩存高可用 177
4.1  緩存概述 177
4.2  緩存高可用概述 178
4.3  客戶端分區(qū)方案 178
4.4  中間代理層方案 179
4.4.1  中間代理層概述 179
4.4.2  Codis架構 179
4.5  服務端方案 181
4.5.1  主從模式 181
4.5.2  哨兵模式 183
4.5.3  Redis集群模式 188
4.5.4  Codis 和 Redis集群的區(qū)別 193
4.5.5  云數(shù)據(jù)庫Redis 194
第5章  Nginx/LVS高可用 197
5.1  Nginx 197
5.1.1  Nginx概述 197
5.1.2  Nginx Keepalived保障高可用 197
5.2  LVS 198
5.2.1  LVS概述 198
5.2.2  Nginx Keepalived LVS保障高可用、高性能 199
5.3  DNS 200
5.3.1  DNS概述 200
5.3.2  DNS解析過程 201
5.3.3  DNS負載均衡 202
5.3.4  DNS LVS Nginx Keepalived 202
第6章  異地多活 204
6.1  異地多活概述 204
6.2  異地多活的類型 205
第7章  高可用之全鏈路監(jiān)控、告警 208
7.1  監(jiān)控/告警概述 208
7.1.1  監(jiān)控/告警的意義 208
7.1.2  全鏈路監(jiān)控 209
7.1.3  告警規(guī)則 210
7.1.4  發(fā)送告警 210
7.1.5  監(jiān)控系統(tǒng)通用設計 210
7.1.6  監(jiān)控體系案例 211
7.2  日志監(jiān)控/告警方案 212
7.2.1  ELK日志系統(tǒng) 212
7.2.2  日志告警 215
7.3  資源監(jiān)控/告警方案 216
7.3.1  監(jiān)控概述 216
7.3.2  Promethous Grafana InfluxDB 217
7.3.3  其他開源監(jiān)控 221
7.3.4  AlertManager告警 223
7.4  鏈路追蹤監(jiān)控 223
第8章  高可用與安全 226
8.1  高可用與安全概述 226
8.2  DoS/DDos攻擊 227
8.2.1  DoS攻擊概述 227
8.2.2  DDoS攻擊的類型 227
8.2.3  DoS/DDoS攻擊防護 229
8.3  安全產(chǎn)品/工具 230
8.3.1  WAF概述 230
8.3.2  WAF的工作模式 231
8.3.3  Nginx ModSecurity 233
8.3.4  云廠商安全產(chǎn)品 235
第9章  秒殺系統(tǒng)案例 236
9.1  什么是秒殺 236
9.2  最簡單的秒殺系統(tǒng) 237
9.3  業(yè)務層面控制 238
9.4  CDN靜態(tài)資源緩存 239
9.5  LVS/Nginx高可用設計 240
9.6  服務拆分與隔離設計 241
9.7  流量削峰、限流和降級 243
9.8  熱點數(shù)據(jù)處理 246
9.9  核心的減庫存 248
9.10  容災 254
9.11  秒殺系統(tǒng)安全架構 255
參考文獻 258