固定ip做网站wordpress 获取分类下的所有文章

固定ip做网站,wordpress 获取分类下的所有文章,宜昌最权威网站建设公司,国际网站空间分布式系统一致性 一致性问题 在分布式环境中#xff0c;由于各个节点之间的通信存在延迟和不确定性#xff0c;如何保证数据的一致性称为一个挑战 一致性是指分布式系统中所有节点对于某个操作或数据状态达成的共识。 当多个节点参与某个操作时#xff0c;它们需要遵循…分布式系统一致性一致性问题在分布式环境中由于各个节点之间的通信存在延迟和不确定性如何保证数据的一致性称为一个挑战一致性是指分布式系统中所有节点对于某个操作或数据状态达成的共识。当多个节点参与某个操作时它们需要遵循一定的规则来保证数据的一致性CAP 和 FLP 定理CAP 定理在一个分布式系统中当涉及到读写操作时只能保证以下三点中的两点一致性Consistency可用性Availability分区容错性Partition toleranceConsistence一致性CAP理论中的一致性强一致性Strong Consistency又称线性一致性Linearizable Consistency它要求多节点组成的分布式系统能像单节点一样运作如果一个写操作返回成功那么之后的读请求都必须读到这个新数据。如果返回失败那么所有的读操作都不能读到这个数据三种一致性强一致性当更新操作完成后在任何时刻所有的用户或进程查询到的都是最新一次成功更新的数据弱一致性当数据更新后后续对该数据的读操作可能得到更新后的值也可能是更新前的值最终一致性在某一时刻用户或进程查询到的数据可能都不同但是最终成功更新的数据都会背所有用户或进程查询到Availability可用性CAP理论对可用性的定义要求系统提供的服务必须**处于100%可用状态**对于用户的每一个操作请求系统总能够在有限的时间内返回结果用户访问集群中的任意健康节点必须能得到响应而不是超时或拒绝。一定返回数据但不保证数据是最新的Partition Tolerance分区容错性Parittion分区因为网络故障或其他原因导致分布式系统中的部分节点与其他节点失去连接形成独立分区Tolerance容错在集群出现分区中整个系统也要持续对外提供服务由于分布式系统通过网络进行通信网络是不可靠的当任意数量的消息丢失或延迟到达阈值时系统仍会继续提供服务不会挂掉一直运行不会存在系统挂掉的问题FLP 定理在异步通信场景即使只有一个进程失败也没有任何算法能保证非失败进程达到一致性因为同步通信中的一致性背证明是可以达到的因此在之前一直有人尝试各种算法解决以异步环境的一致性问题有个FLP的结果。sample难以涉及除非先设计几种一致性算法并用FLP说明这些算法都是错误的系统模型任何分布式算法或定义都尤其对系统场景的假设系统模型假设异步通信与同步通信的最大区别是没有时钟、不能时间同步、不能使用超时、不能探测失败、消息可任意延迟、消息可乱序通信健壮只要进程非失败消息虽会被无限延迟但最终会被送达并且消息仅会被送达一次无重复fail-stop模型进程失败如同宕机不再处理任何消息相对Byzantine模型不会产生错误消息失败进程数量最多一个进程失败都是用TCP协议保证了消息健壮、不重复、不乱序每个节点都有NTP时钟同步可以使用超时纯的异步场景相对比较少。拜占庭将军问题场景设定拜占庭帝国(Byzantine Empire)军队的几个师驻扎在敌城外每个师都由各自的将军指挥。将军们只能通过信使相互沟通。在观察敌情之后他们必须制定一个共同的行动计划如进攻(Attack)或者撤退(Retreat)且只有当半数以上的将军共同发起进攻时才能取得胜利然而其中一些将军可能是叛徒试图阻止忠诚的将军达成一致的行动计划. 更糟糕的是负责消息传递的信使也可能是叛徒他们可能篡改或伪造消息也可能使得消息丢失。当三个将军都忠诚时可以通过投票确定一致的行动方案。展示了一种场景即General A, B通过观察敌军军情并结合自身情况判断可以发起攻击而General C通过观察敌军军情并结合自身情况判断应当撤退最终三个将军经过投票表决得到结果为进攻: 撤退2:1, 所以将一同发起进攻取得胜利.对于三个将军每个将军都能执行**两种决策(进攻或撤退)**的情况下共存在6中不同的场景对于其他5中场景可简单地推得通过投票三个将军都将达成一致的行动计划.当三个将军中存在一个叛徒时将可能扰乱正常的作战计划他给General A和General B发送了不同的消息, 在这种场景下General A通过投票得到进攻:撤退1:2, 最终将作出撤退的行动计划;General B通过投票得到进攻:撤退2:1, 最终将作出进攻的行动计划.结果只有General B发起了进攻并战败.事实上对于三个将军中存在一个叛徒的场景, 想要总能达到一致的行动方案是不可能的.此外论文中给出了一个更加普适的结论: 如果存在m个叛将那么至少需要3m1个将军才能最终达到一致的行动方案Paxos算法Paxos算法解决的问题正是分布式一致性问题即一个分布式系统中的各个进程如何就某个值决议达成一致Paxos算法运行在允许宕机故障的异步系统中不要求可靠的消息传递可容忍消息丢失、延迟、乱序以及重复它利用Majority机制保证了2F1的容错能力即2F1个节点的系统最多允许F个节点同时出现故障Raft算法raft是工程上使用较为广泛的强一致性、去中心化、高可用的分布式协议。raft是一个共识算法consensus algorithm所谓共识就是多个节点对某个事情达成一致的看法即使是在部分节点故障、网络延时、网络分割的情况下。在分布式系统中共识算法更多用于提高系统的容错性比如分布式存储中的复制集replicationraft协议就是一种leader-based的共识算法与之相应的是leaderless的共识算法。raft 为了易于理解目标做了两个工作问题分解状态简化问题分解是将复制集中节点一致性这个复杂的问题划分为数个可以被独立解释、理解、解决的子问题。状态简化对算法做出一些限制减少需要考虑的状态数使得算法更加清晰更少的不确定性区块链专栏前瞻【区块链技术01】区块链概述与认识区块链基础知识区块链标识、哈希值、梅克尔树、难度确认【区块链技术02】区块链三种类型公有链、私有链、联盟差异激励问题、最终确定性问题【区块链技术03】区块链核心技术哈希与加密算法、智能合约非对称加密算法与默克尔树智能合约工作原理与区块链的关系【区块链技术04】区块链核心技术分布式网络的定义和特点分布式账本的特性、实现与工作流程共识机制【区块链技术05】区块链核心技术哈希算法再区块链中的应用区块哈希与默克尔树公开密钥算法、编码和解码算法BASE58、BASE64博客专栏SpringCloud微服务-从Spring出发学习从0学习微服务Golang专栏-包含基础、Gin、Goam等知识云原生专栏-包含k8s、docker等知识从0开始学习云计算-华为HCIP证书JUC专栏-带你快速领悟JUC的知识JVM专栏-深入Java虚拟机理解JVM的原理基于Java研究 数据结构与算法-包含贪心算法、加权图、最短路径算法等知识Docker专栏-上手热门容器技术DockerSpringBoot专栏-学习SpringBoot快速开发后端项目管理工具的学习-设计技术Maven、Git、Gradle等相关管理工具JavaSE-全面了解Java基础JS专栏-使用JS作的一部分实例~使用CSS所作的一部分案例