今天咱们来聊聊高可用系统架构的热点——异地多活。
现在比较吊的多活方式是异地三节点，有多少公司真正实现了就不得而知了。为什么要做异地多活，主要是为了提升系统的容灾能力，比如单机房的网络故障、地震火灾等不可抗因素，都有可能造成整个机房瘫痪。
在上一家公司负责支付系统开发的时候，由于我们在天津机房的硬件设施太过老旧，经常时不时地网络故障，进而逼我们搭建了一个异地多活的架构。我们先来看看我们当时的做法。整个部署结构如下图：
- 通过域名做负载均衡，将请求路由到最近的可用服务的机房。
- 服务全部机房内自治，不进行跨机房访问
- DB（mysql）仅有一个，机房2跨机房访问机房1的DB进行读写
整个架构看起来是可行的，并且当时也是有在生产环境使用。但是不难看出，机房2的服务，在响应时间上肯定要比机房1更慢。因为跨机房访问数据库带来了一定的网络延时，在最正常的情况下，通过当时购买的专线，可以控制在数十ms以内。
当机房1故障时，通过dns切换（据说可以智能切换，不过我们当时并没有实施）关闭机房1的请求，然后将机房2的数据库从slave升级为master，就可以完成整个容灾过程。看起来并不是全自动的，但至少比服务长时间瘫痪等待机房修复要好。而且，dns切换以及db切换，都可以通过自动的方式来实现。
上面的方案实现简单，对于一般的业务也够用了。但是，存在以下几个问题。而这几个问题，也是异地容灾跨不过的坎。
- 机房间延时。不管是机房2访问机房1的DB，还是DB之间的主从同步，都进行了跨机房的网络请求，其延时是难以避免的
- 专线网络需要花钱，而且不便宜。严格来讲，你拉一条专线网络，这也是一个单点服务。如果要做到专线网络容灾，价格应该至少要翻番吧
- 数据同步。对于实时性要求不高的业务，比如微信发朋友圈，可以允许延时。但对于支付（账号余额）这种数据来讲，必须是强一致性的。如果机房1挂了，机房2备份库的数据还是一份脏数据，那必然会带来重大的损失。所以，这种数据同步方案，对于强一致性要求的数据，是不可接受的。对于强一致性的数据，只有通过人为修复确保都更新到位后，才能恢复服务。也就是在此期间，其实服务也处于不可用状态。
通过以上分析，我们不难看出，1.2两个缺点，可以勉强花钱解决，但是对于3，花钱也解决不了。那么，对于强一致性要求的数据，我们如何来做容灾呢？
-
机房1、机房2实现双主（Master-Master）的数据库架构。两个数据库分别置于机房1和机房2，实现读写。master之间通过mysql的内部实现，进行数据同步。这个方案其实跟之前的方案区别不大，只是减少了服务去访问数据库的网络延时，属于一个伪数据强一致性方案。而且双主很依赖网络延时进行数据同步，同时容易出现脑裂现象，个人不推荐使用。
-
通过业务层来实现分布式事务，以此来确保两个机房数据的强一致性。两个数据库分别置于两个机房中，通过业务程序来实现分布式事务，也就是通过业务层来确保数据库1和数据库2都更新成功，才视为更新成功。这样确实可以保证数据库1和数据库2的数据强一致性。但是增加了系统的实现复杂度，也增强了对开发人员能力的要求。另外，分布式事务会增加业务处理时长以及失败率，如果单机房故障一年都仅有几个小时，这种分布式的代价是否值得呢？
-
将服务状态化。对用户进行分区，将用户请求固定路由到机房1或机房2。如此一来，两个机房不会对同一份数据进行更新，也就避免了数据强一致性的要求。同时，这两个数据库之间，仍然通过主备进行数据备份。当其中一个机房故障时，通过人为修复该机房同步到另外一个机房的数据后，再恢复机房1中的服务。对比在上家公司已实现的方案，这种方案有两个优点：减小了跨机房访问数据库的延时；减小了受灾用户群体。个人觉得该方案不错，但是如何在dns解析域名时进行状态化呢？如果又引入中间件，那不是又单点了吗。。
如果细读了CAP理论，就会发现这个问题是没有十全十美的解决方案的。在这个问题上，我更加倾向于的解决方案是：使用阿里云服务，增加可用性。你有更好的方案吗，欢迎给我留言。
摘自：https://mp.weixin.qq.com/s?spm=5176.100239.blogcont59149.3.rkSIqU&__biz=MzI0MzQ5MzMwMg==&mid=2247483662&idx=1&sn=e45bf4b395e727f543edc827fc050ee5&scene=1&srcid=0814e9DLDRSshqsi6PaGq116&from=groupmessage&isappinstalled=0#wechat_redirect