分布式系列文章：
1.用三国杀讲分布式算法，舒适了吧？
2.用太极拳讲分布式理论，真舒服！
3.诸葛亮 VS 庞统，拿下 Paxos 共识算法
4.用动图讲解分布式 Raft
5.韩信大招：一致性哈希
6.病毒入侵：全靠分布式 Gossip 协议
7.这三年被分布式坑惨了，曝光十大坑
8.太上老君的炼丹炉之分布式 Quorum NWR
太白金星：听闻老君最近在练神丹妙药，可否与我一讲？ 太上老君：老白啊，我最近在练六颗丹药：两颗
延年丹、两颗健步丹、两颗恢复丹。 太白金星：那这三个八卦炉定是练这三件法宝的了？ 太上老君：正是正是。而且对于相同的丹药，功效和大小还得完全一样。
三种丹药一、三个炼丹炉怎么分配的
太白金星：老君，你的八卦炉怎么分配的啊？
让我们揭开老君的炼丹炉，看看六颗丹药是怎么分配的。
首先我们是很容易猜到丹炉是怎么分配炼丹的：
- 一号丹炉炼两颗
延年丹。 - 二号丹炉炼两颗
健步丹。 - 三号丹炉炼两颗
恢复丹。
太白金星认为的丹炉情况那如此分配会有什么问题呢？
我们试想一下，如果一号丹炉因为炉火太高炸裂了，那么两颗延年丹定会失败。这和把鸡蛋放到一个篮子里面是一个道理。假如篮子不慎被打翻，里面的鸡蛋都掉出来，就都碎了。
太上老君：老白，我把锅炉的盖子揭开给你看看你就知道了。
- 一号丹炉炼一颗
延年丹和一颗健步丹。 - 二号丹炉炼一颗
延年丹和一颗恢复丹。 - 三号丹炉炼一颗
健步丹和一颗恢复丹。
丹炉实际分配情况太白金星：老君，为何要如此分配，每个丹药的火候可不那么好把控啊？ 太上老君：老白，我可是炼丹大师，火候难不倒我。 太白金星：不愧是老君啊，这样即使有一个丹炉有问题，至少能保证一颗能炼成，而不是两颗都毁了。
映射到我们互联网系统中：丹炉类似于服务器节点或数据库节点，通过多个节点来相互备份数据来保证系统的高可用性（High Availability）。
二、如何保证丹药品质一样
2.1 一致性
太白金星：老君，你刚提到，两颗延年丹需要保证功效一样，大小一样？ 太上老君：确实如此，丹药品质必须保持一致，我炼的都是九品丹药，药效差一点则是千差万别。
太上老君说的品质保持一致到底怎么回事？
一号丹炉里面的延年丹和二号丹炉的延年丹如何保证品质一致呢？
这不就是我们常常说的分布式一致性吗？两颗丹药分布在不同的丹炉中，需要保证品质一致。
如下图所示，这两颗延年丹的一大一小，颜色也有不同，这就是品质不一样。
品质不一样而在架构设计中，比如请求访问到不同的数据库，查到的数据都是一样的，这就是一致性。
如下图所示：浏览器访问数据库 1 和数据库 2 中的数据 A，结果返回的都是 A = 1。
分布式系统中的一致性2.2 最终一致性和强一致性
分布式中的一致性又分为最终一致性和强一致性。
所谓强一致性就是写操作完成后，任何后续访问都能读到更新后的值。这就是CP系统所要求的一致性和分区容错性。。
那放到炼丹中怎么理解？
比如老君给一号丹炉的延年丹加入了莲花这种药材，给二号丹炉的延年丹也这么操作，那么老白揭开炉盖看到的两颗延年丹的成分是一样的。
而最终一致性就是不保证后续访问都能读到更新后的值，但是经过一段时间后，再去读，就能得到相同的值。也就是说，在这段时间内，可能读到旧的数据。这就是AP系统所要求的可用性和分区容错性。
放到炼丹中怎么理解？
比如老君给一号丹炉的延年丹加入了莲花，而经过了一个时辰后，才给二号丹炉加雪莲，那么在这个时辰内，看到的两颗延年丹的成分就不一样了。但经过一个时辰后，最终成分一样。
三、可控的品质：Quorum NWR 协议
Quorum NWR
假如延年丹必须保证品质的强一致性，而健步丹只需要保证品质的最终一致性，这个该怎么控制呢？
这个可没有难倒老君，因为老君懂得分布式协议：Quorum NWR。
Quorum 这个单词的意思：(会议的)法定人数。主要是看后面三个大写字母：N、W、R。由 NWR 来控制一致性。
3.1 参数 N
我们还是来看下丹炉中的情况，两颗延年丹是互为备份的，相当于有两个副本。
N 称作副本数，又叫做复制因子（Replication Factor）。表示同一份数据有多少个副本，所以：延年丹的 N = 2。依次类推：健步丹的 N = 2，恢复丹的 N = 2。如下图所示：
丹药的副本数一样那 N 可以变吗？
如下图所示：比如我想炼 3 颗延年丹，也就是每个丹炉都有延年丹，那就把 N 改成 3 就可以了。而健步丹只需要炼一颗足以，那一号丹炉炼就可以了，所以N = 1。
多个丹药的副本数不一样3.2 参数 W
指定了副本数 N 之后，就可以对副本数据进行读写操作。
- 读操作：查看所在丹炉内丹药的情况。
- 写操作：给丹药添加药材、提高温度。
那多个丹药该如何执行读写操作呢？对于写操作，我们有 W 参数，对于读操作，我们有 R 参数。
W 称为写一致性级别（Write Consistency Level），表示成功完成 W 个副本更新，才完成写操作。
比如设置延年丹的 W = 2，表示对延年丹执行写操作时，完成了 2 个副本的更新时，才完成写操作。
如下图所示：一号丹炉和二号丹炉中的延年丹都加入了莲花，而三号丹炉中的延年丹未加入莲花。也就是只完成了两个副本的更新，符合 W = 2 这个条件，即写操作完成。
两个延年丹加入了莲花但是大家发现问题没，三号丹炉的延年丹未加入莲花，那怎么保证太上老君查看丹药情况时，得知是已加入莲花呢？也就是如何保证读写的强一致性，这就要用到第三个参数了：R。
3.3 参数 R
R 称为读一致性级别（Read Consistency Level），表示读取一个数据对象时，需要读 R 个副本，然后返回 R 个副本中最新的那份数据。
回到炼丹的问题中，设置延年丹的 R = 2，也就是查看延年丹的情况时，只需要查看两个丹炉内的延年丹的情况，然后返回最新的延年丹的情况就可以了。
- 假设查看的是一号和二号丹炉内的延年丹，返回的情况都是：已加入莲花。这种场景是一致性的。
- 假设查看的是一号和三号丹炉内的延年丹，一号丹炉的延年丹是已加入莲花，三号丹炉是未加入莲花，但是三号丹炉内的延年丹最后一次操作时间是早于一号丹炉的，所以返回一号丹炉内延年丹的情况：已加入莲花。这种场景也是一致性的。
通过上面的两种场景，我们知道，通过设置 R = 2，即使读到第三份未更新的数据，也能返回更新后的数据，实现强一致性。
3.4 参数组合
参数 N、W、R 的不同组合将会带来不同的一致性效果。
- 比如上面的例子，N = 3，W = 2，R = 2，W R > N，对于客户端来讲，整个系统能保证强一致性，一定能返回更新后的那份数据。
- 当 W R <= N 时，对于客户端来讲，整个系统只能保证最终一致性，访问数据期间可能会返回旧数据。
参数不同，效果不同，分布式系统需要场景来配置。
四、应用
InfluxDB 企业版是时序数据库，它有四种写一致性级别：
- any：W R < N，W = 1，任何一个节点写入成功后，或者写入 Hinted-handoff 缓存（等下次重传），返回成功给客户端。
- one：W R < N，W = 1，任何一个节点写入成功后，立即返回成功给客户端，不包括写入 Hinted-handoff 缓存
- quorum：W R > N，大多数节点写入成功后，就返回成功给客户端。（要求 N 大于2）
- all：W = N，所有节点都写入成功后，返回成功。
另外对于 时序数据库 InfluxDB 来说，读操作需要读取大量数据，为了保证读取的高效，它不支持读一致性级别（R = N），但是可以通过设置写一致性级别为 all，来实现强一致性。
InfluxDb 实现了 Quorum NWR，当线上业务需要临时做些一致性调整时，设置不同的写一致性级别即可完成快速切换。
五、总结
本文通过太上老君和太白金星关于炼丹的对话，引申出自定义一致性的分布式协议：Quorum NWR 协议。
- 丹炉比喻节点，丹药比作数据，多个丹药称作副本。
- N 代表副本数，W 代表写多少个副本数，R 代表读多少个副本数。
- 当 N 大于节点数时，就会出现一个节点存在多个副本的情况，这个节点故障时，多个副本会受到影响。
- W R > N 时，代表强一致性。
- W = N 时，读性能好。R = N，写性能好。
- W = R = (N 1)/2，容错能力好，能容忍 少数节点（也就是(N-1)/2） 个节点故障。
- 如何设置 N、W、R 值，取决于我们的系统该往哪方面优化。
- Quorum NWR 分布式算法给业务提供了按需选择一致性级别的灵活度，弥补了 AP 型系统缺乏强一致性的缺点。太白金星：预祝你炼丹成功！我要去分享和留言了！
作者简介：悟空，8年一线互联网开发和架构经验，用故事讲解分布式、架构设计。《JVM性能优化实战》专栏作者，开源了《Spring Cloud 实战 PassJava》项目，自主开发了一个 PMP 刷题小程序。关注可免费刷题。
我是悟空，努力变强，变身超级赛亚人！
