搞懂異地多活，看這篇就夠了

你好，我是 Kaito。

在軟件開發領域，「異地多活」是分佈式系統架構設計的一座高峯，很多人經常聽過它，但很少人理解其中的原理。

異地多活到底是什麼？爲什麼需要異地多活？它到底解決了什麼問題？究竟是怎麼解決的？

這些疑問，想必是每個程序看到異地多活這個名詞時，都想要搞明白的問題。

有幸，我曾經深度參與過一箇中等互聯網公司，建設異地多活系統的設計與實施過程。所以今天，我就來和你聊一聊異地多活背後的的實現原理。

認真讀完這篇文章，我相信你會對異地多活架構，有更加深刻的理解。

這篇文章乾貨很多，希望你可以耐心讀完。

01 系統可用性

要想理解異地多活，我們需要從架構設計的原則說起。

現如今，我們開發一個軟件系統，對其要求越來越高，如果你瞭解一些「架構設計」的要求，就知道一個好的軟件架構應該遵循以下 3 個原則：

  1. 高性能

  2. 高可用

  3. 易擴展

其中，高性能意味着系統擁有更大流量的處理能力，更低的響應延遲。例如 1 秒可處理 10W 併發請求，接口響應時間 5 ms 等等。

易擴展表示系統在迭代新功能時，能以最小的代價去擴展，系統遇到流量壓力時，可以在不改動代碼的前提下，去擴容系統。

而「高可用」這個概念，看起來很抽象，怎麼理解它呢？通常用 2 個指標來衡量：

可用性與這兩者的關係：

可用性（Availability）= MTBF / (MTBF + MTTR) * 100%

這個公式得出的結果是一個「比例」，通常我們會用「N 個 9」來描述一個系統的可用性。

從這張圖你可以看到，要想達到 4 個 9 以上的可用性，平均每天故障時間必須控制在 10 秒以內。

也就是說，只有故障的時間「越短」，整個系統的可用性纔會越高，每提升 1 個 9，都會對系統提出更高的要求。

我們都知道，系統發生故障其實是不可避免的，尤其是規模越大的系統，發生問題的概率也越大。這些故障一般體現在 3 個方面：

  1. 硬件故障：CPU、內存、磁盤、網卡、交換機、路由器

  2. 軟件問題：代碼 Bug、版本迭代

  3. 不可抗力：地震、水災、火災、戰爭

這些風險隨時都有可能發生。所以，在面對故障時，我們的系統能否以「最快」的速度恢復，就成爲了可用性的關鍵。

可如何做到快速恢復呢？

這篇文章要講的「異地多活」架構，就是爲了解決這個問題，而提出的高效解決方案。

下面，我會從一個最簡單的系統出發，帶你一步步演化出一個支持「異地多活」的系統架構。

在這個過程中，你會看到一個系統會遇到哪些可用性問題，以及爲什麼架構要這樣演進，從而理解異地多活架構的意義。

02 單機架構

我們從最簡單的開始講起。

假設你的業務處於起步階段，體量非常小，那你的架構是這樣的：

這個架構模型非常簡單，客戶端請求進來，業務應用讀寫數據庫，返回結果，非常好理解。

但需要注意的是，這裏的數據庫是「單機」部署的，所以它有一個致命的缺點：一旦遭遇意外，例如磁盤損壞、操作系統異常、誤刪數據，那這意味着所有數據就全部「丟失」了，這個損失是巨大的。

如何避免這個問題呢？我們很容易想到一個方案：備份。

你可以對數據做備份，把數據庫文件「定期」cp 到另一臺機器上，這樣，即使原機器丟失數據，你依舊可以通過備份把數據「恢復」回來，以此保證數據安全。

這個方案實施起來雖然比較簡單，但存在 2 個問題：

  1. 恢復需要時間：業務需先停機，再恢復數據，停機時間取決於恢復的速度，恢復期間服務「不可用」

  2. 數據不完整：因爲是定期備份，數據肯定不是「最新」的，數據完整程度取決於備份的週期

很明顯，你的數據庫越大，意味故障恢復時間越久。那按照前面我們提到的「高可用」標準，這個方案可能連 1 個 9 都達不到，遠遠無法滿足我們對可用性的要求。

那有什麼更好的方案，既可以快速恢復業務？還能儘可能保證數據完整性呢？

這時你可以採用這個方案：主從副本。

03 主從副本

你可以在另一臺機器上，再部署一個數據庫實例，讓這個新實例成爲原實例的「副本」，讓兩者保持「實時同步」，就像這樣：

我們一般把原實例叫作主庫（master），新實例叫作從庫（slave）。這個方案的優點在於：

這個方案不錯，不僅大大提高了數據庫的可用性，還提升了系統的讀性能。

同樣的思路，你的「業務應用」也可以在其它機器部署一份，避免單點。因爲業務應用通常是「無狀態」的（不像數據庫那樣存儲數據），所以直接部署即可，非常簡單。

因爲業務應用部署了多個，所以你現在還需要部署一個「接入層」，來做請求的「負載均衡」（一般會使用 nginx 或 LVS），這樣當一臺機器宕機後，另一臺機器也可以「接管」所有流量，持續提供服務。

從這個方案你可以看出，提升可用性的關鍵思路就是：冗餘。

沒錯，擔心一個實例故障，那就部署多個實例，擔心一個機器宕機，那就部署多臺機器。

到這裏，你的架構基本已演變成主流方案了，之後開發新的業務應用，都可以按照這種模式去部署。

但這種方案還有什麼風險嗎？

04 風險不可控

現在讓我們把視角下放，把焦點放到具體的「部署細節」上來。

按照前面的分析，爲了避免單點故障，你的應用雖然部署了多臺機器，但這些機器的分佈情況，我們並沒有去深究。

而一個機房有很多服務器，這些服務器通常會分佈在一個個「機櫃」上，如果你使用的這些機器，剛好在一個機櫃，還是存在風險。

如果恰好連接這個機櫃的交換機 / 路由器發生故障，那麼你的應用依舊有「不可用」的風險。

雖然交換機 / 路由器也做了路線冗餘，但不能保證一定不出問題。

部署在一個機櫃有風險，那把這些機器打散，分散到不同機櫃上，是不是就沒問題了？

這樣確實會大大降低出問題的概率。但我們依舊不能掉以輕心，因爲無論怎麼分散，它們總歸還是在一個相同的環境下：機房。

那繼續追問，機房會不會發生故障呢？

一般來講，建設一個機房的要求其實是很高的，地理位置、溫溼度控制、備用電源等等，機房廠商會在各方面做好防護。但即使這樣，我們每隔一段時間還會看到這樣的新聞：

可見，即使機房級別的防護已經做得足夠好，但只要有「概率」出問題，那現實情況就有可能發生。雖然概率很小，但一旦真的發生，影響之大可見一斑。

看到這裏你可能會想，機房出現問題的概率也太小了吧，工作了這麼多年，也沒讓我碰上一次，有必要考慮得這麼複雜嗎？

但你有沒有思考這樣一個問題：不同體量的系統，它們各自關注的重點是什麼？

體量很小的系統，它會重點關注「用戶」規模、增長，這個階段獲取用戶是一切。等用戶體量上來了，這個階段會重點關注「性能」，優化接口響應時間、頁面打開速度等等，這個階段更多是關注用戶體驗。

等體量再大到一定規模後你會發現，「可用性」就變得尤爲重要。像微信、支付寶這種全民級的應用，如果機房發生一次故障，那整個影響範圍可以說是非常巨大的。

所以，再小概率的風險，我們在提高系統可用性時，也不能忽視。

分析了風險，再說回我們的架構。那到底該怎麼應對機房級別的故障呢？

沒錯，還是冗餘。

05 同城災備

想要抵禦「機房」級別的風險，那應對方案就不能侷限在一個機房內了。

現在，你需要做機房級別的冗餘方案，也就是說，你需要再搭建一個機房，來部署你的服務。

簡單起見，你可以在「同一個城市」再搭建一個機房，原機房我們叫作 A 機房，新機房叫 B 機房，這兩個機房的網絡用一條「專線」連通。

有了新機房，怎麼把它用起來呢？這裏還是要優先考慮「數據」風險。

爲了避免 A 機房故障導致數據丟失，所以我們需要把數據在 B 機房也存一份。最簡單的方案還是和前面提到的一樣：備份。

A 機房的數據，定時在 B 機房做備份（拷貝數據文件），這樣即使整個 A 機房遭到嚴重的損壞，B 機房的數據不會丟，通過備份可以把數據「恢復」回來，重啓服務。

這種方案，我們稱之爲「冷備」。爲什麼叫冷備呢？因爲 B 機房只做備份，不提供實時服務，它是冷的，只會在 A 機房故障時纔會啓用。

但備份的問題依舊和之前描述的一樣：數據不完整、恢復數據期間業務不可用，整個系統的可用性還是無法得到保證。

所以，我們還是需要用「主從副本」的方式，在 B 機房部署 A 機房的數據副本，架構就變成了這樣：

這樣，就算整個 A 機房掛掉，我們在 B 機房也有比較「完整」的數據。

數據是保住了，但這時你需要考慮另外一個問題：如果 A 機房真掛掉了，要想保證服務不中斷，你還需要在 B 機房「緊急」做這些事情：

  1. B 機房所有從庫提升爲主庫

  2. 在 B 機房部署應用，啓動服務

  3. 部署接入層，配置轉發規則

  4. DNS 指向 B 機房，接入流量，業務恢復

看到了麼？A 機房故障後，B 機房需要做這麼多工作，你的業務才能完全「恢復」過來。

你看，整個過程需要人爲介入，且需花費大量時間來操作，恢復之前整個服務還是不可用的，這個方案還是不太爽，如果能做到故障後立即「切換」，那就好了。

因此，要想縮短業務恢復的時間，你必須把這些工作在 B 機房「提前」做好，也就是說，你需要在 B 機房提前部署好接入層、業務應用，等待隨時切換。架構就變成了這樣：

這樣的話，A 機房整個掛掉，我們只需要做 2 件事即可：

  1. B 機房所有從庫提升爲主庫

  2. DNS 指向 B 機房，接入流量，業務恢復

這樣一來，恢復速度快了很多。

到這裏你會發現，B 機房從最開始的「空空如也」，演變到現在，幾乎是「鏡像」了一份 A 機房的所有東西，從最上層的接入層，到中間的業務應用，到最下層的存儲。

兩個機房唯一的區別是，A 機房的存儲都是主庫，而 B 機房都是從庫。

這種方案，我們把它叫做「熱備」。

熱的意思是指，B 機房處於「待命」狀態，A 故障後 B 可以隨時「接管」流量，繼續提供服務。熱備相比於冷備最大的優點是：隨時可切換。

無論是冷備還是熱備，因爲它們都處於「備用」狀態，所以我們把這兩個方案統稱爲：同城災備。

同城災備的最大優勢在於，我們再也不用擔心「機房」級別的故障了，一個機房發生風險，我們只需把流量切換到另一個機房即可，可用性再次提高，是不是很爽？（後面還有更爽的）

06 同城雙活

我們繼續來看這個架構。

雖然我們有了應對機房故障的解決方案，但這裏有個問題是我們不能忽視的：A 機房掛掉，全部流量切到 B 機房，B 機房能否真的如我們所願，正常提供服務？

這是個值得思考的問題。

這就好比有兩支軍隊 A 和 B，A 軍隊歷經沙場，作戰經驗豐富，而 B 軍隊只是後備軍，除了有軍人的基本素養之外，並沒有實戰經驗，戰鬥經驗基本爲 0。

如果 A 軍隊喪失戰鬥能力，需要 B 軍隊立即頂上時，作爲指揮官的你，肯定也會擔心 B 軍隊能否真的擔此重任吧？

我們的架構也是如此，此時的 B 機房雖然是隨時「待命」狀態，但 A 機房真的發生故障，我們要把全部流量切到 B 機房，其實是不敢百分百保證它可以「如期」工作的。

你想，我們在一個機房內部署服務，還總是發生各種各樣的問題，例如：發佈應用的版本不一致、系統資源不足、操作系統參數不一樣等等。現在多部署一個機房，這些問題只會增多，不會減少。

另外，從「成本」的角度來看，我們新部署一個機房，需要購買服務器、內存、硬盤、帶寬資源，花費成本也是非常高昂的，只讓它當一個後備軍，未免也太「大材小用」了！

因此，我們需要讓 B 機房也接入流量，實時提供服務，這樣做的好處，一是可以實時訓練這支後備軍，讓它達到與 A 機房相同的作戰水平，隨時可切換，二是 B 機房接入流量後，可以分擔 A 機房的流量壓力。這纔是把 B 機房資源優勢，發揮最大化的最好方案！

那怎麼讓 B 機房也接入流量呢？很簡單，就是把 B 機房的接入層 IP 地址，加入到 DNS 中，這樣，B 機房從上層就可以有流量進來了。

但這裏有一個問題：別忘了，B 機房的存儲，現在可都是 A 機房的「從庫」，從庫默認可都是「不可寫」的，B 機房的寫請求打到本機房存儲上，肯定會報錯，這還是不符合我們預期。怎麼辦？

這時，你就需要在「業務應用」層做改造了。

你的業務應用在操作數據庫時，需要區分「讀寫分離」（一般用中間件實現），即兩個機房的「讀」流量，可以讀任意機房的存儲，但「寫」流量，只允許寫 A 機房，因爲主庫在 A 機房。

這會涉及到你用的所有存儲，例如項目中用到了 MySQL、Redis、MongoDB 等等，操作這些數據庫，都需要區分讀寫請求，所以這塊需要一定的業務「改造」成本。

因爲 A 機房的存儲都是主庫，所以我們把 A 機房叫做「主機房」，B 機房叫「從機房」。

兩個機房部署在「同城」，物理距離比較近，而且兩個機房用「專線」網絡連接，雖然跨機房訪問的延遲，比單個機房內要大一些，但整體的延遲還是可以接受的。

業務改造完成後，B 機房可以慢慢接入流量，從 10%、30%、50% 逐漸覆蓋到 100%，你可以持續觀察 B 機房的業務是否存在問題，有問題及時修復，逐漸讓 B 機房的工作能力，達到和 A 機房相同水平。

現在，因爲 B 機房實時接入了流量，此時如果 A 機房掛了，那我們就可以「大膽」地把 A 的流量，全部切換到 B 機房，完成快速切換！

到這裏你可以看到，我們部署的 B 機房，在物理上雖然與 A 有一定距離，但整個系統從「邏輯」上來看，我們是把這兩個機房看做一個「整體」來規劃的，也就是說，相當於把 2 個機房當作 1 個機房來用。

這種架構方案，比前面的同城災備更「進了一步」，B 機房實時接入了流量，還能應對隨時的故障切換，這種方案我們把它叫做「同城雙活」。

因爲兩個機房都能處理業務請求，這對我們系統的內部維護、改造、升級提供了更多的可實施空間（流量隨時切換），現在，整個系統的彈性也變大了，是不是更爽了？

那這種架構有什麼問題呢？

07 兩地三中心

還是回到風險上來說。

雖然我們把 2 個機房當做一個整體來規劃，但這 2 個機房在物理層面上，還是處於「一個城市」內，如果是整個城市發生自然災害，例如地震、水災（河南水災剛過去不久），那 2 個機房依舊存在「全局覆沒」的風險。

真是防不勝防啊？怎麼辦？沒辦法，繼續冗餘。

但這次冗餘機房，就不能部署在同一個城市了，你需要把它放到距離更遠的地方，部署在「異地」。

通常建議兩個機房的距離要在 1000 公里以上，這樣才能應對城市級別的災難。

假設之前的 A、B 機房在北京，那這次新部署的 C 機房可以放在上海。

按照前面的思路，把 C 機房用起來，最簡單粗暴的方案還就是做「冷備」，即定時把 A、B 機房的數據，在 C 機房做備份，防止數據丟失。

這種方案，就是我們經常聽到的「兩地三中心」。

兩地是指 2 個城市，三中心是指有 3 個機房，其中 2 個機房在同一個城市，並且同時提供服務，第 3 個機房部署在異地，只做數據災備。

這種架構方案，通常用在銀行、金融、政企相關的項目中。它的問題還是前面所說的，啓用災備機房需要時間，而且啓用後的服務，不確定能否如期工作。

所以，要想真正的抵禦城市級別的故障，越來越多的互聯網公司，開始實施「異地雙活」。

08 僞異地雙活

這裏，我們還是分析 2 個機房的架構情況。我們不再把 A、B 機房部署在同一個城市，而是分開部署，例如 A 機房放在北京，B 機房放在上海。

前面我們講了同城雙活，那異地雙活是不是直接「照搬」同城雙活的模式去部署就可以了呢？

事情沒你想的那麼簡單。

如果還是按照同城雙活的架構來部署，那異地雙活的架構就是這樣的：

注意看，兩個機房的網絡是通過「跨城專線」連通的。

此時兩個機房都接入流量，那上海機房的請求，可能要去讀寫北京機房的存儲，這裏存在一個很大的問題：網絡延遲。

因爲兩個機房距離較遠，受到物理距離的限制，現在，兩地之間的網絡延遲就變成了「不可忽視」的因素了。

北京到上海的距離大約 1300 公里，即使架設一條高速的「網絡專線」，光纖以光速傳輸，一個來回也需要近 10ms 的延遲。

況且，網絡線路之間還會經歷各種路由器、交換機等網絡設備，實際延遲可能會達到 30ms ~ 100ms，如果網絡發生抖動，延遲甚至會達到 1 秒。

不止是延遲，遠距離的網絡專線質量，是遠遠達不到機房內網絡質量的，專線網絡經常會發生延遲、丟包、甚至中斷的情況。總之，不能過度信任和依賴「跨城專線」。

你可能會問，這點延遲對業務影響很大嗎？影響非常大！

試想，一個客戶端請求打到上海機房，上海機房要去讀寫北京機房的存儲，一次跨機房訪問延遲就達到了 30ms，這大致是機房內網網絡（0.5 ms）訪問速度的 60 倍（30ms / 0.5ms），一次請求慢 60 倍，來回往返就要慢 100 倍以上。

而我們在 App 打開一個頁面，可能會訪問後端幾十個 API，每次都跨機房訪問，整個頁面的響應延遲有可能就達到了秒級，這個性能簡直慘不忍睹，難以接受。

看到了麼，雖然我們只是簡單的把機房部署在了「異地」，但「同城雙活」的架構模型，在這裏就不適用了，還是按照這種方式部署，這是「僞異地雙活」！

那如何做到真正的異地雙活呢？

09 真正的異地雙活

既然「跨機房」調用延遲是不容忽視的因素，那我們只能儘量避免跨機房「調用」，規避這個延遲問題。

也就是說，上海機房的應用，不能再「跨機房」去讀寫北京機房的存儲，只允許讀寫上海本地的存儲，實現「就近訪問」，這樣才能避免延遲問題。

還是之前提到的問題：上海機房存儲都是從庫，不允許寫入啊，除非我們只允許上海機房接入「讀流量」，不接收「寫流量」，否則無法滿足不再跨機房的要求。

很顯然，只讓上海機房接收讀流量的方案不現實，因爲很少有項目是隻有讀流量，沒有寫流量的。所以這種方案還是不行，這怎麼辦？

此時，你就必須在「存儲層」做改造了。

要想上海機房讀寫本機房的存儲，那上海機房的存儲不能再是北京機房的從庫，而是也要變爲「主庫」。

你沒看錯，兩個機房的存儲必須都是「主庫」，而且兩個機房的數據還要「互相同步」數據，即客戶端無論寫哪一個機房，都能把這條數據同步到另一個機房。

因爲只有兩個機房都擁有「全量數據」，才能支持任意切換機房，持續提供服務。

怎麼實現這種「雙主」架構呢？它們之間如何互相同步數據？

如果你對 MySQL 有所瞭解，MySQL 本身就提供了雙主架構，它支持雙向複製數據，但平時用的並不多。而且 Redis、MongoDB 等數據庫並沒有提供這個功能，所以，你必須開發對應的「數據同步中間件」來實現雙向同步的功能。

此外，除了數據庫這種有狀態的軟件之外，你的項目通常還會使用到消息隊列，例如 RabbitMQ、Kafka，這些也是有狀態的服務，所以它們也需要開發雙向同步的中間件，支持任意機房寫入數據，同步至另一個機房。

看到了麼，這一下子複雜度就上來了，單單針對每個數據庫、隊列開發同步中間件，就需要投入很大精力了。

業界也開源出了很多數據同步中間件，例如阿里的 Canal、RedisShake、MongoShake，可分別在兩個機房同步 MySQL、Redis、MongoDB 數據。

很多有能力的公司，也會採用自研同步中間件的方式來做，例如餓了麼、攜程、美團都開發了自己的同步中間件。

我也有幸參與設計開發了 MySQL、Redis/Codis、MongoDB 的同步中間件，有時間寫一篇文章詳細聊聊實現細節，歡迎持續關注。:)

現在，整個架構就變成了這樣：

注意看，兩個機房的存儲層都互相同步數據的。有了數據同步中間件，就可以達到這樣的效果：

這裏我們用中間件雙向同步數據，就不用再擔心專線問題，專線出問題，我們的中間件可以自動重試，直到成功，達到數據最終一致。

但這裏還會遇到一個問題，兩個機房都可以寫，操作的不是同一條數據那還好，如果修改的是同一條的數據，發生衝突怎麼辦？

也就是說，在很短的時間內，同一個用戶修改同一條數據，兩個機房無法確認誰先誰後，數據發生「衝突」。

這是一個很嚴重的問題，系統發生故障並不可怕，可怕的是數據發生「錯誤」，因爲修正數據的成本太高了。我們一定要避免這種情況的發生。解決這個問題，有 2 個方案。

第一個方案，數據同步中間件要有自動「合併」數據、解決「衝突」的能力。

這個方案實現起來比較複雜，要想合併數據，就必須要區分出「先後」順序。我們很容易想到的方案，就是以「時間」爲標尺，以「後到達」的請求爲準。

但這種方案需要兩個機房的「時鐘」嚴格保持一致纔行，否則很容易出現問題。例如：

因爲北京機房的時間「更晚」，那最終結果就會是 X = 1。但這裏其實應該以第 2 個請求爲準，X = 2 纔對。

可見，完全「依賴」時鐘的衝突解決方案，不太嚴謹。

所以，通常會採用第二種方案，從「源頭」就避免數據衝突的發生。

10 如何實施異地雙活

既然自動合併數據的方案實現成本高，那我們就要想，能否從源頭就「避免」數據衝突呢？

這個思路非常棒！

從源頭避免數據衝突的思路是：在最上層接入流量時，就不要讓衝突的情況發生。

具體來講就是，要在最上層就把用戶「區分」開，部分用戶請求固定打到北京機房，其它用戶請求固定打到上海 機房，進入某個機房的用戶請求，之後的所有業務操作，都在這一個機房內完成，從根源上避免「跨機房」。

所以這時，你需要在接入層之上，再部署一個「路由層」（通常部署在雲服務器上），自己可以配置路由規則，把用戶「分流」到不同的機房內。

但這個路由規則，具體怎麼定呢？有很多種實現方式，最常見的我總結了 3 類：

  1. 按業務類型分片

  2. 直接哈希分片

  3. 按地理位置分片

1、按業務類型分片

這種方案是指，按應用的「業務類型」來劃分。

舉例：假設我們一共有 4 個應用，北京和上海機房都部署這些應用。但應用 1、2 只在北京機房接入流量，在上海機房只是熱備。應用 3、4 只在上海機房接入流量，在北京機房是熱備。

這樣一來，應用 1、2 的所有業務請求，只讀寫北京機房存儲，應用 3、4 的所有請求，只會讀寫上海機房存儲。

這樣按業務類型分片，也可以避免同一個用戶修改同一條數據。

這裏按業務類型在不同機房接入流量，還需要考慮多個應用之間的依賴關係，要儘可能的把完成「相關」業務的應用部署在同一個機房，避免跨機房調用。

例如，訂單、支付服務有依賴關係，會產生互相調用，那這 2 個服務在 A 機房接入流量。社區、發帖服務有依賴關係，那這 2 個服務在 B 機房接入流量。

2、直接哈希分片

這種方案就是，最上層的路由層，會根據用戶 ID 計算「哈希」取模，然後從路由表中找到對應的機房，之後把請求轉發到指定機房內。

舉例：一共 200 個用戶，根據用戶 ID 計算哈希值，然後根據路由規則，把用戶 1 - 100 路由到北京機房，101 - 200 用戶路由到上海機房，這樣，就避免了同一個用戶修改同一條數據的情況發生。

3、按地理位置分片

這種方案，非常適合與地理位置密切相關的業務，例如打車、外賣服務就非常適合這種方案。

拿外賣服務舉例，你要點外賣肯定是「就近」點餐，整個業務範圍相關的有商家、用戶、騎手，它們都是在相同的地理位置內的。

針對這種特徵，就可以在最上層，按用戶的「地理位置」來做分片，分散到不同的機房。

舉例：北京、河北地區的用戶點餐，請求只會打到北京機房，而上海、浙江地區的用戶，請求則只會打到上海機房。這樣的分片規則，也能避免數據衝突。

提醒：這 3 種常見的分片規則，第一次看不太好理解，建議配合圖多理解幾遍。搞懂這 3 個分片規則，你才能真正明白怎麼做異地多活。

總之，分片的核心思路在於，讓同一個用戶的相關請求，只在一個機房內完成所有業務「閉環」，不再出現「跨機房」訪問。

阿里在實施這種方案時，給它起了個名字，叫做「單元化」。

當然，最上層的路由層把用戶分片後，理論來說同一個用戶只會落在同一個機房內，但不排除程序 Bug 導致用戶會在兩個機房「漂移」。

安全起見，每個機房在寫存儲時，還需要有一套機制，能夠檢測「數據歸屬」，應用層操作存儲時，需要通過中間件來做「兜底」，避免不該寫本機房的情況發生。（篇幅限制，這裏不展開講，理解思路即可）

現在，兩個機房就可以都接收「讀寫」流量（做好分片的請求），底層存儲保持「雙向」同步，兩個機房都擁有全量數據，當任意機房故障時，另一個機房就可以「接管」全部流量，實現快速切換，簡直不要太爽。

不僅如此，因爲機房部署在異地，我們還可以更細化地「優化」路由規則，讓用戶訪問就近的機房，這樣整個系統的性能也會大大提升。

這裏還有一種情況，是無法做數據分片的：全局數據。例如系統配置、商品庫存這類需要強一致的數據，這類服務依舊只能採用寫主機房，讀從機房的方案，不做雙活。

雙活的重點，是要優先保證「核心」業務先實現雙活，並不是「全部」業務實現雙活。

至此，我們纔算實現了真正的「異地雙活」！

到這裏你可以看出，完成這樣一套架構，需要投入的成本是巨大的。

路由規則、路由轉發、數據同步中間件、數據校驗兜底策略，不僅需要開發強大的中間件，同時還要業務配合改造（業務邊界劃分、依賴拆分）等一些列工作，沒有足夠的人力物力，這套架構很難實施。

11 異地多活

理解了異地雙活，那「異地多活」顧名思義，就是在異地雙活的基礎上，部署多個機房即可。架構變成了這樣：

這些服務按照「單元化」的部署方式，可以讓每個機房部署在任意地區，隨時擴展新機房，你只需要在最上層定義好分片規則就好了。

但這裏還有一個小問題，隨着擴展的機房越來越多，當一個機房寫入數據後，需要同步的機房也越來越多，這個實現複雜度會比較高。

所以業界又把這一架構又做了進一步優化，把「網狀」架構升級爲「星狀」：

這種方案必須設立一個「中心機房」，任意機房寫入數據後，都只同步到中心機房，再由中心機房同步至其它機房。

這樣做的好處是，一個機房寫入數據，只需要同步數據到中心機房即可，不需要再關心一共部署了多少個機房，實現複雜度大大「簡化」。

但與此同時，這個中心機房的「穩定性」要求會比較高。不過也還好，即使中心機房發生故障，我們也可以把任意一個機房，提升爲中心機房，繼續按照之前的架構提供服務。

至此，我們的系統徹底實現了「異地多活」！

多活的優勢在於，可以任意擴展機房「就近」部署。任意機房發生故障，可以完成快速「切換」，大大提高了系統的可用性。

同時，我們也再也不用擔心繫統規模的增長，因爲這套架構具有極強的「擴展能力」。

怎麼樣？我們從一個最簡單的應用，一路優化下來，到最終的架構方案，有沒有幫你徹底理解異地多活呢？

總結

好了，總結一下這篇文章的重點。

1、一個好的軟件架構，應該遵循高性能、高可用、易擴展 3 大原則，其中「高可用」在系統規模變得越來越大時，變得尤爲重要

2、系統發生故障並不可怕，能以「最快」的速度恢復，纔是高可用追求的目標，異地多活是實現高可用的有效手段

3、提升高可用的核心是「冗餘」，備份、主從副本、同城災備、同城雙活、兩地三中心、異地雙活，異地多活都是在做冗餘

4、同城災備分爲「冷備」和「熱備」，冷備只備份數據，不提供服務，熱備實時同步數據，並做好隨時切換的準備

5、同城雙活比災備的優勢在於，兩個機房都可以接入「讀寫」流量，提高可用性的同時，還提升了系統性能。雖然物理上是兩個機房，但「邏輯」上還是當做一個機房來用

6、兩地三中心是在同城雙活的基礎上，額外部署一個異地機房做「災備」，用來抵禦「城市」級別的災害，但啓用災備機房需要時間

7、異地雙活纔是抵禦「城市」級別災害的更好方案，兩個機房同時提供服務，故障隨時可切換，可用性高。但實現也最複雜，理解了異地雙活，才能徹底理解異地多活

8、異地多活是在異地雙活的基礎上，任意擴展多個機房，不僅又提高了可用性，還能應對更大規模的流量的壓力，擴展性最強，是實現高可用的最終方案

後記

這篇文章我從「宏觀」層面，向你介紹了異地多活架構的「核心」思路，整篇文章的信息量還是很大的，如果不太好理解，我建議你多讀幾遍。

因爲篇幅限制，很多細節我並沒有展開來講。這篇文章更像是講異地多活的架構之「道」，而真正實施的「術」，要考慮的點其實也非常繁多，因爲它需要開發強大的「基礎設施」纔可以完成實施。

不僅如此，要想真正實現異地多活，還需要遵循一些原則，例如業務梳理、業務分級、數據分類、數據最終一致性保障、機房切換一致性保障、異常處理等等。同時，相關的運維設施、監控體系也要能跟得上纔行。

宏觀上需要考慮業務（微服務部署、依賴、拆分、SDK、Web 框架）、基礎設施（服務發現、流量調度、持續集成、同步中間件、自研存儲），微觀上要開發各種中間件，還要關注中間件的高性能、高可用、容錯能力，其複雜度之高，只有親身參與過之後才知道。

我曾經有幸參與過，存儲層同步中間件的設計與開發，實現過「跨機房」同步 MySQL、Redis、MongoDB 的中間件，踩過的坑也非常多。當然，這些中間件的設計思路也非常有意思，有時間單獨分享一下這些中間件的設計思路。

值得提醒你的是，只有真正理解了「異地雙活」，才能徹底理解「異地多活」。在我看來，從同城雙活演變爲異地雙活的過程，是最爲複雜的，最核心的東西包括，業務單元化劃分、存儲層數據雙向同步、最上層的分片邏輯，這些是實現異地多活的重中之重。

希望我分享的架構經驗，對你有所啓發。

在寫這篇文章時，我又仔細閱讀了阿里、餓了麼、微博等公司，關於異地多活架構設計的相關資料，如果你想更深入地學習異地多活架構，可以在我的公衆號後臺回覆「異地多活」獲取。

我是 Kaito，是一個對於技術有思考的資深後端程序員，在我的文章中，我不僅會告訴你一個技術點是什麼，還會告訴你爲什麼這麼做？我還會嘗試把這些思考過程，提煉成通用的方法論，讓你可以應用在其它領域中，做到舉一反三。

本文由 Readfog 進行 AMP 轉碼，版權歸原作者所有。
來源：https://mp.weixin.qq.com/s/T6mMDdtTfBuIiEowCpqu6Q

猜你喜歡