UUID（通用唯一识别码）是由32个十六进制数组成的无序字符串，通过一定的算法计算出来。为了保证其唯一性，UUID规范定义了包括网卡MAC地址、时间戳、名字空间（Namespace）、随机或伪随机数、时序等元素，以及从这些元素生成UUID的算法。一般来说，算法可以保证任何地方产生的任意一个UUID都不会相同，但这个唯一性是有限的，只在特定的范围内才能得到保证。
上一篇内容《从2PC和容错共识算法讨论zookeeper中的Create请求》介绍了保证分布式事务提交的两阶段提交协议，而XA是针对两阶段提交提出的接口实现标准，本文则对XA进行介绍
Seata 简介 传统的单体应用中，业务操作使用同一条连接操作不同的数据表，一旦出现异常就可以整体回滚。随着公司的快速发展、业务需求的变化，单体应用被拆分成微服务应用，原来的单体应用被拆分成多个独立的微服务，分别使用独立的数据源，业务操作需要调用三个服务来完成。此时每个服务内部的数据一致性由本地事务
分布式事务提交慢的一次总结和思考 背景 分布式事务未提交 是应用程序出现宕机异常的很重要的一原因. 应用宕机主要可以分为: 1. 内存泄露导致的OOM宕机. 表现在系统越来越慢, 应用的内存和CPU占用量越来越高. 最终达到无响应的状态, 此时数据库一般是正常的. 2. 分布式事务未提交导致的宕机,
⼀、本地事务 1、ACID特性 原⼦性(A) ⼀致性(C) 隔离性(I) 持久性(D) 2、事务的隔离级别 两个或多个事务并发操作相同的数据的时候事务之间的相互访问关系 查询当前隔离级别：select @@tx_isolation 设置隔离级别：set session transaction iso
同步算法的共性是所有的节点会以一定的频率进行全局同步。然而，当工作节点的计算性能存在差异，或者某些工作节点无法正常工作（比如死机）的时候，分布式系统的整体运行效率不好，甚至无法完成训练任务。为了解决此问题，人们提出了异步的并行算法。在异步的通信模式下，各个工作节点不需要互相等待，而是以一个或多个全局服务器做为中介，实现对全局模型的更新和读取。这样可以显著减少通信时间，从而获得更好的多机扩展性。
本文翻译自国外论坛 medium，原文地址： # 什么是数据复制？ 数据复制是指将数据复制到一个或多个数据容器以确保可用性的过程。复制的数据通常存储在不同的数据库实例中，即使一个实例发生故障，我们也可以从其他实例获取数据。 一种流行数据复制的实现架构是主从架构。 > 推荐博主开源的 H5 商城项目*
分布式系统是指由多个节点通过网络进行通信和协作的系统，它具有高可用性、高扩展性、高性能等优点，但也面临着一些挑战，如数据一致性、容错性、负载均衡等。为了解决这些问题，分布式系统设计出现了一些经典的理论和方法，如 CAP 理论、BASE 理论、一致性等。 # CAP 理论 CAP 理论是指一个分布式系
摘要：企业版性能指标达到业界TOP1，行业领先30%，内核态实现真正多线程。 一．背景介绍 近年来，随着各行业业务需求急速增加，数据量和并发访问量呈指数级增长，原来只能依附于关系型数据库的传统“缓存”逐渐难以支撑上层业务，开源Redis也面临着如“容量有限”、 “可靠性有限”、 “数据重复拷贝，成本
摘要：这些年大家都在谈分布式数据库，各大企业也纷纷开始做数据库的分布式改造。那么所谓的分布式数据库是什么？采用什么架构，优势在哪？为什么越来越多企业选择它？我们不妨一起来深入了解下。 本文分享自华为云社区《GaussDB分布式架构大揭秘》，作者：华为云数据库首席架构师 冯柯。 这些年大家都在谈分布式
摘要：本文讲了关于服务发现的很多干货内容，核心内容为服务发现组件的选择、网关的介绍、 客户端侧如何发给已发现的服务。 本文分享自华为云社区《分布式场景下，如何对外提供易变的服务，打造可靠的注册中心？》，作者：breakDawn。 随着云原生的概念越来越火，服务的架构应该如何发展和演进，成为很多程序员
## 基础理论 ### CAP理论 一致性（Consistency） ：在分布式系统中所有的数据备份，在同一时刻都保持一致状态，如无法保证状态一致，直接返回错误； 可用性（Availability）：在集群中一部分节点故障，也能保证客户端访问系统并得到正确响应，允许一定时间内数据状态不一致； 分区容
说到分布式事务，大家并不陌生。在实际工作中，用得比较多的还是柔性分布式事务，今天主要把在工作中运用到的几种柔性分布式事务的场景及实现方式做一个简单介绍，也可以看做是柔性分布式事务的一个演进过程。
本文记录 Mysql 分库分表 和 Elasticsearch Join 查询的实现思路，了解分布式场景数据处理的设计方案。文章从常用的关系型数据库 MySQL 的分库分表Join 分析，再到非关系型 ElasticSearch 来分析 Join 实现策略。逐步深入Join 的实现机制。
分布式一致性是构建可靠的分布式系统的关键要素之一。为了确保数据的一致性和可用性，一致性算法的设计变得至关重要。在这篇博文中，我们将深入探讨两个与分布式一致性密切相关的主题：Raft 算法和 etcdRaft 存储系统。 ## Raft 算法：分布式一致性的基石 Raft 算法是一种分布式一致性算法，
分布式任务调度这个话题是每个后端开发和大数据开发都会接触的话题。因为应用场景的广泛，所以有很多开源项目专注于解决这类问题，比如我们熟知的xxl-job。 那么今天要给大家推荐的则是另一个更为强大的开源项目：DolphinScheduler 介绍 DolphinScheduler是一款开源的分布式任务
目录GlusterFS 笔记一、安装和配置 GlusterFS1. 安装 GlusterFS2. 配置 GlusterFS3. 格式化卷4. 创建挂载点并挂载二、GlusterFS 卷的类型1. 分布式卷（Distributed Volume）作用：例子：配置示例：1. 创建卷2. 启动卷3. 客户
Redis 分布式锁 分布式锁的演变 本地锁（单机用） 利用redis进行分布式锁 使用 set 防止死锁 加过期时间 使用 setnx 防止A请求未执行完 锁过期删除 B请求加锁后 A完成后误删该锁 使用 Hash结构， 规定每个请求只能删除自己的锁 保证并发安全，申请锁和加过期时间需要 原子性，
我个人比较推崇本地消息表模式来实现最终一致性。首先本地消息表的设计不仅可以解决事务一致性的问题，对于消息队列常见问题中的消息丢失与消息幂等其实都是可以通过本地消息表来解决；其带来的好处是多重的。 ### 什么是分布式事务一致性 大白话就是对数据源进行拆分后，多库多机器的多数据库事务一致性问题。因为此
### Saga模式 Saga模式使用一系列本地事务来提供事务管理，而一个本地事务对应一个Saga参与者，在Saga流程里面每一个本地事务只操作本地数据库，然后通过消息或事件来触发下一个本地事务，如果其中一个本地事务失败了，Saga就会执行一系列补偿事务来实现回滚操作。（补偿事务简单来讲就是对之前本
