Nacos-8--分析一下nacos中的AP和CP模式

Nacos支持两种模式来满足不同场景下的需求：AP模式（强调可用性）和CP模式（强调一致性）。
这两种模式的选择主要基于CAP理论，该理论指出在一个分布式系统中，无法同时保证一致性（Consistency）、可用性（Availability）和分区容忍性（Partition Tolerance），只能在三者之间做出权衡。

1、AP模式（Available and Partition Tolerant）

核心原理：
AP模式强调高可用性（Availability）和分区容错性（Partition Tolerance），采用Distro协议实现最终一致性（Eventual Consistency），适用于临时实例（如微服务实例）。

特点：

  • 可用性优先：在AP模式下，Nacos侧重于保证系统的高可用性和响应速度。这意味着即使在网络分区的情况下，系统仍然能够提供服务。
  • 最终一致性：虽然牺牲了一部分即时的一致性，但通过异步复制或事件驱动的方式，确保所有节点的数据最终会达到一致状态。
  • 数据同步：Nacos在AP模式下通常采用异步复制策略，即一个节点上的更新不会立即同步到其他所有节点，而是经过一段时间后才完成全网同步。

Nacos的实现细节：

  • 注册中心功能：当作为服务注册中心使用时，AP模式非常适合，因为它能确保即使某个区域的服务实例不可达，其余区域的服务仍可正常运行，并且可以发现并访问最近的服务实例。
  • 健康检查机制：为了维护服务列表的准确性，Nacos使用了客户端的心跳检测机制来判断服务实例是否存活。如果某个实例长时间未发送心跳，则会被标记为不健康并从服务列表中移除。

实现机制：
（1）、数据分片与责任机制

  • 每个Nacos节点负责一部分数据（基于服务名或实例IP的哈希计算）。
  • 写请求会被路由到负责该数据的节点（称为责任节点），处理完成后异步同步给其他节点。
  • 示例：假设服务名为order- service，其哈希值决定由节点A负责。所有对该服务的写操作（如注册实例）都会由节点A处理。

（2）、异步数据同步

  • 责任节点处理写请求后，通过增量同步方式广播给其他节点。
  • 若同步失败，会进行重试，但不阻塞主流程，保证高可用性。
  • 最终一致性：数据同步可能存在短暂延迟，但最终所有节点数据会达成一致。

（3）、临时实例管理

  • 临时实例数据仅存储在内存，不会持久化到磁盘。
  • 客户端通过心跳机制（HTTP/gRPC）保活，超时（默认15s不健康，30s剔除）后自动清理。
  • 示例：微服务实例每隔5秒向Nacos发送心跳，若15秒未收到心跳，则标记为不健康；若30秒未收到，则从注册表中剔除。

（4）、健康检查

  • 客户端主动上报心跳（HTTP或gRPC长连接）。
  • 服务端定时检查心跳，超时则标记为不健康或剔除。

适用场景：

  • 服务发现：微服务注册与发现（如Spring Cloud应用），允许短暂数据不一致。
  • 高可用性要求高：电商大促时，服务注册的轻微延迟不影响整体功能。
  • 容忍临时错误：例如，服务实例短暂不可用时，AP模式仍能提供服务列表。

优势：

  • 高可用性：即使部分节点故障，仍能响应请求。
  • 适合动态环境：适用于实例频繁变动的场景（如弹性伸缩）。

局限性：

  • 最终一致性：数据同步存在延迟，可能读取到旧数据。
  • 无法保证强一致性：不适合对数据一致性要求极高的场景（如金融交易配置）。

2、CP模式（Consistent and Partition Tolerant）

核心原理：
CP模式强调一致性（Consistency）和分区容错性（Partition Tolerance），采用Raft协议保证强一致性（Strong Consistency），适用于持久实例（如数据库、Redis等）。

特点：

  • 一致性优先：在CP模式下，Nacos更加注重数据的一致性。这意味着在网络分区发生时，系统可能会暂时拒绝某些请求以保持数据的一致性。
  • 强一致性模型：采用类似于Raft算法的共识协议来实现强一致性，确保所有操作都是原子性的，并且每个操作的结果都会被正确地传播到集群中的每一个节点。
  • 读写性能影响：由于需要等待多个副本确认，因此在写入操作上会有一定的延迟，这可能会影响整体的读写性能。

Nacos实现细节：

  • 配置管理功能：对于配置管理而言，CP模式是非常重要的，因为任何配置的变化都需要确保在整个集群范围内立即生效，避免因配置不一致导致的问题。
  • 选举机制：在CP模式下，Nacos集群中的节点会进行领导者选举，只有当前领导者才能处理写请求，而其他跟随者则负责复制数据并响应读请求。

实现机制：
（1）、Leader选举

  • 集群通过Raft协议选举Leader，只有Leader能处理写请求。
  • Follower节点转发写请求到Leader。
  • 示例：Nacos集群启动时，节点间通过投票选举Leader，确保集群中只有一个Leader。

（2）、日志复制

  • Leader将写操作记录到日志，并同步给Follower。
  • 需半数以上节点ACK才算成功，确保数据强一致性。
  • 示例：当客户端更新配置时，Leader将更新操作写入日志，同步给Follower，收到超过半数节点确认后，才返回成功。

（3）、持久化存储

  • 数据会持久化到磁盘，即使节点重启也能恢复。
  • 适用于永久实例（如MySQL 注册信息）。

（4）、健康检查

  • 服务端主动探测（TCP/HTTP/MySQL检查）。
  • 不依赖客户端心跳，适合无法主动上报的服务。

适用场景：

  • 配置管理：如数据库连接串、关键参数配置，要求数据绝对一致。
  • 元数据管理：如服务注册中心的元数据（服务列表、权重等）。
  • 强一致性需求：金融系统中的交易配置，不允许出现配置不一致导致的资金错误。

优势：

  • 强一致性：所有节点在同一时间看到相同的数据。
  • 数据持久化：防止节点重启导致数据丢失。
  • 适合静态资源：适用于数据变更较少的场景（如数据库实例）。

局限性：

  • 可用性妥协：当发生网络分区或Leader选举时，可能暂时不可用。
  • 高延迟：日志复制和半数确认机制可能增加请求延迟。

3、AP模式与CP模式的对比

在这里插入图片描述

4、Nacos的行为和建议

1、配置同步和通知（推荐使用CP模式）

（1）、配置同步的核心需求
  • 强一致性加粗样式：配置中心的核心目标是确保所有客户端获取的配置数据完全一致。例如，数据库连接、限流规则等配置如果存在不一致，可能导致业务逻辑错误或系统异常。
  • 持久化：配置通常需要持久化存储（如数据库或磁盘），以防止节点重启后数据丢失。
（2）、CP模式下的配置同步
  • Raft协议：在CP模式下，Nacos通过Raft协议保证配置的强一致性。所有配置的写操作必须经过Raft日志复制，确保半数以上节点确认后才提交。
  • 数据同步机制：
    • 长轮询（Long Polling）：客户端定期向服务端发起请求，携带本地配置的 MD5 值。服务端检测到配置变更后，立即返回新配置。
    • 事件监听（Event Listener）：客户端注册监听器，当配置变更时，服务端主动推送更新。
  • 容错与缓存：
    • 客户端本地缓存配置，即使服务端不可用也能降级使用旧配置。
    • 服务端通过Raft协议确保配置数据的持久化和一致性。
（3）、AP模式下的配置同步
  • 最终一致性：AP模式下，配置同步依赖Distro协议的异步复制机制，可能存在短暂延迟。
  • 适用场景：对配置一致性要求不高的场景（如非核心功能的动态参数），但通常不建议在AP模式下使用配置中心。

结论：

  • 配置同步推荐使用CP模式：保证强一致性，避免因配置不一致导致业务异常。
  • AP模式下的配置同步：仅适用于容忍短暂不一致的非关键场景。

2、节点状态同步和通知（默认使用AP模式）

（1）、节点状态的核心需求
  • 高可用性：服务注册与发现需要保证在节点故障或网络分区时仍能正常提供服务。
  • 动态性：服务实例频繁变动（如弹性扩缩容、实例重启），需要快速响应。
（2）、AP模式下的节点状态同步
  • Distro协议：每个节点负责一部分服务实例的注册和同步，写操作本地提交后异步同步到其他节点。
  • 心跳机制：客户端通过心跳（HTTP/gRPC）保活，服务端检测心跳超时后标记实例为不健康或剔除。
  • 最终一致性：节点间数据同步可能存在延迟，但最终达成一致。
（3）、CP模式下的节点状态同步
  • Raft协议：CP模式下注册的持久化实例（ephemeral=false）需要通过Raft协议保证强一致性，但会牺牲部分可用性。
  • 适用场景：需要强一致性的关键服务注册（如数据库、Redis等静态资源）。

结论：

  • 节点状态同步默认使用AP模式：适用于临时实例（ephemeral=true），保证高可用性和动态性。
  • CP模式下的节点状态同步：仅适用于持久化实例（ephemeral=false），需显式启用。

5、如何选择AP模式或CP模式？

Nacos允许用户根据自己的需求选择使用AP（可用性优先）或CP（一致性优先）模式，这主要体现在服务发现和配置管理的不同场景中。这种灵活性使得Nacos能够适应不同的业务需求。

（1）、选择依据

1、数据一致性要求

  • CP模式：需要数据绝对一致（如金融、配置管理）。
  • AP模式：允许短暂不一致（如微服务注册发现）。

2、实例类型

  • CP模式：持久实例（persistent），如数据库实例。
  • AP模式：临时实例（ephemeral），如微服务实例。

3、可用性需求

  • CP模式：可容忍短暂不可用（如配置更新）。
  • AP模式：需要高可用性（如电商大促）。

（2）、切换方式

AP模式（默认）：
代码示例：

// 默认使用AP模式
NacosNamingService naming = NamingFactory.createNamingService(serverAddr);
Naming.registerInstance("serviceName", "192.168.1.1", 8080);

CP模式：
代码示例：

// 注册服务时指定使用CP模式
NacosNamingService naming = NamingFactory.createNamingService(serverAddr);
naming.registerInstance("serviceName", "192.168.1.1", 8080, "DEFAULT", true); // 最后参数为true表示CP模式

切换模式:
方式1：修改配置文件

  • 配置文件路径：conf/application.properties
  • 修改参数：
# 切换为AP模式（Distro协议）
nacos.core.protocol=distro# 切换为 CP 模式（Raft 协议）
nacos.core.protocol=raft

注意：
修改后需重启 Nacos 服务生效。

方式2：通过API动态切换

  • API调用：
    bash示例：
# 切换为CP模式
curl - X PUT "http://<nacos- server>:8848/nacos/v1/ns/operator/switches?entry=serverMode&value=CP"# 切换为AP模式
curl - X PUT "http://<nacos- server>:8848/nacos/v1/ns/operator/switches?entry=serverMode&value=AP"
- 无需重启：API切换是动态的，无需重启服务，但需注意切换时的集群状态。

（3）、实际建议

配置中心需要使用强一致性CP模式。
服务注册，通常配置AP模式。
弹性部署应用建议AP模式。

6、总结

  • AP模式：适合高可用性、容忍短暂不一致的场景，如微服务注册与发现。
  • CP模式：适合强一致性、数据持久化的场景，如配置管理和金融系统。
  • 核心区别：AP模式通过Distro协议实现最终一致性，CP模式通过Raft协议实现强一致性。

通过合理选择模式，Nacos能够满足不同业务场景的需求，在一致性和可用性之间取得平衡。

向阳前行，Dare To Be！！！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若转载，请注明出处：http://www.pswp.cn/web/93701.shtml
繁体地址，请注明出处：http://hk.pswp.cn/web/93701.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

水闸安全监测的主要核心内容

水闸安全监测的主要核心内容

水闸安全监测是指通过一系列技术手段和管理措施&#xff0c;对水闸的结构状态、运行性能及环境条件进行实时或定期的观测与评估&#xff0c;以确保水闸在设计寿命期内的安全性和可靠性。其核心目标是及时发现潜在的安全隐患&#xff0c;防止事故发生&#xff0c;保障水利工程的…
阅读更多...
嵌入式系统学习Day19（数据结构）

嵌入式系统学习Day19（数据结构）

数据结构的概念&#xff1a; 相互之间存在一种或多种特定关系的数据元素的集合。数据之间关系&#xff1a;逻辑关系&#xff1a;集合&#xff0c;线性&#xff08;1对1&#xff0c;中间位置的值有且仅有一个前驱&#xff0c;一个后继&#xff09;&#xff0c;树&#xff08;1对…
阅读更多...
Pandas中数据清理、连接数据以及合并多个数据集的方法

Pandas中数据清理、连接数据以及合并多个数据集的方法

一、简介1.数据清理的重要性&#xff1a;在进行数据分析前&#xff0c;需进行数据清理&#xff0c;使每个观测值成一行、每个变量成一列、每种观测单元构成一张表格。2.数据组合的必要性&#xff1a;数据整理好后&#xff0c;可能需要将多张表格组合才能进行某些分析&#xff0…
阅读更多...
JavaSSM框架从入门到精通！第二天(MyBatis(一))！

JavaSSM框架从入门到精通！第二天(MyBatis(一))！

一、 Mybatis 框架1. Mybatis 框架简介Mybatis 是 apache 的一个开源项目&#xff0c;名叫 iBatis &#xff0c;2010 年这个项目由 apache 迁移到了 google&#xff0c;并命名为 Mybatis&#xff0c;2013 年迁移到了 GitHub&#xff0c;可以在 GitHub 下载源码。2. Mybatis 的下…
阅读更多...
Linux下Mysql命令，创建mysql，删除mysql

Linux下Mysql命令，创建mysql，删除mysql

在 Linux 系统下&#xff0c;您可以通过命令行来创建和删除 MySQL 数据库。以下是详细的操作步骤&#xff0c;包括创建和删除数据库、用户&#xff0c;以及常见的相关管理命令。1. 登录 MySQL在执行任何 MySQL 操作之前&#xff0c;需要先登录 MySQL。1.1 使用 root 用户登录 M…
阅读更多...
假设检验的原理

假设检验的原理

假设检验是统计学中用于判断样本数据是否支持某个特定假设的方法。其核心思想是通过样本数据对总体参数或分布提出假设&#xff0c;并利用统计量来判断这些假设的合理性。假设检验的基本步骤如下&#xff1a;1. 假设&#xff08;Hypothesis&#xff09;在统计学中&#xff0c;假…
阅读更多...
信号、内存共享等实现

信号、内存共享等实现

信号&#xff08;signal&#xff09;#include <signal.h> #include <stdio.h> #include <unistd.h>void handler(int sig) {printf("收到信号: %d\n", sig); }int main() {signal(SIGUSR1, handler); // 注册用户自定义信号printf("进程 PI…
阅读更多...
《从日常到前沿：AI 在教育、医疗、制造业的真实落地案例》文章提纲

《从日常到前沿：AI 在教育、医疗、制造业的真实落地案例》文章提纲

引言&#xff1a;AI 落地的多元图景​简述 AI 从实验室走向实际应用的发展趋势​说明选择教育、医疗、制造业的原因 —— 覆盖民生与基础产业&#xff0c;落地场景具有代表性​AI 在教育领域的落地案例​个性化学习&#xff1a;如某在线教育平台利用 AI 分析学生学习数据&#…
阅读更多...
决策树（1）

决策树（1）

一、树模型与决策树基础决策树概念&#xff1a;从根节点开始一步步走到叶子节点得出决策&#xff0c;所有数据最终都会落到叶子节点&#xff0c;既可用于分类&#xff0c;也可用于回归。树的组成根节点&#xff1a;第一个选择点。非叶子节点与分支&#xff1a;中间决策过程。叶…
阅读更多...
电视系统：开启视听新时代

电视系统：开启视听新时代

在当今数字化浪潮席卷的时代&#xff0c;电视领域正经历着一场深刻的变革&#xff0c;而电视系统无疑是这场变革中的耀眼明星。简单来讲&#xff0c;电视系统就是互联网协议电视&#xff0c;它宛如一座桥梁&#xff0c;巧妙地利用宽带有线电视网&#xff0c;将多媒体、互联网、…
阅读更多...
字节开源了一款具备长期记忆能力的多模态智能体：M3-Agent

字节开源了一款具备长期记忆能力的多模态智能体：M3-Agent

猫头虎AI分享&#xff5c;字节开源了一款具备长期记忆能力的多模态智能体&#xff1a;M3-Agent 近年来&#xff0c;多模态大模型的发展迅猛&#xff0c;但如何赋予智能体类似人类的长期记忆能力&#xff0c;一直是研究中的核心挑战。字节跳动开源的 M3-Agent&#xff0c;正是面…
阅读更多...
第十六届蓝桥杯青少组C++省赛[2025.8.10]第二部分编程题（6、魔术扑克牌排列）

第十六届蓝桥杯青少组C++省赛[2025.8.10]第二部分编程题（6、魔术扑克牌排列）

参考程序&#xff1a;#include<bits/stdc.h> using namespace std; long long dp[105]; long long c(int n) {dp[0] 1;for(int i1; i< n; i){for(int j0; j<i; j){dp[i] dp[j] * dp[i -1-j];}}return dp[n]; } int main() {int n;cin >> n;cout <<c(n…
阅读更多...
【实时Linux实战系列】实时平台下的图像识别技术

【实时Linux实战系列】实时平台下的图像识别技术

在当今数字化时代&#xff0c;图像识别技术已经广泛应用于各个领域&#xff0c;如自动驾驶、安防监控、智能医疗等。它通过计算机对图像进行分析和处理&#xff0c;从而实现对物体、场景或人的识别。实时Linux作为一种高效的实时操作系统&#xff0c;为图像识别技术提供了强大的…
阅读更多...
IPD流程执行检查表

IPD流程执行检查表

IPD流程执行检查表 稽查
阅读更多...
Jmeter的安装与使用教程

Jmeter的安装与使用教程

基于jdk1.8版本的Jmeter的下载与安装和使用教程。 一.安装jmeter 官网下载就行下载压缩包解压就行 Jmeter下载官网&#xff1a;http://jmeter.apache.org/download_jmeter.cgi找到安装包的下载位置&#xff0c;解压进入文件夹的bin文件夹下jmeter.bat。二.配置环境变量 1、“此…
阅读更多...
docker 数据卷、自定义镜像操作演示分享（第二期）

docker 数据卷、自定义镜像操作演示分享（第二期）

数据卷1.1、背景前面有个docker go web demo应用示例&#xff0c;每次为了部署go_web_demo工程&#xff0c; 需要将使用到的cp的命令将宿主主机内的go_web_demo目录下的代码文件&#xff08;一般是编译后的二进制执行文件&#xff09;复制到容器内部。 数据卷&#xff1a;将宿主…
阅读更多...
Pandas 入门到实践：核心数据结构与基础操作全解析（Day1 学习笔记）

Pandas 入门到实践：核心数据结构与基础操作全解析（Day1 学习笔记）

目录 一、Pandas 概述 1. 什么是 Pandas 二、核心数据结构 1. Series 索引 显示索引 隐式索引 创建方式 属性与方法 数据访问 索引访问 切片访问 布尔索引 2. DataFrame 创建方式 属性与数据访问 数据修改 三、索引操作 1. 索引类型 2. 核心索引方法 3. 切…
阅读更多...
hadoop技术栈（九）Hbase替代方案

hadoop技术栈（九）Hbase替代方案

一、 核心替代方向 ‌云原生托管NoSQL服务&#xff1a;‌ ‌Google Cloud Bigtable&#xff1a;‌ 这是HBase在云端的“官方”替代品&#xff0c;兼容HBase API&#xff0c;底层存储和架构高度优化&#xff0c;提供高吞吐、低延迟、无缝扩展、完全托管的服务。‌如果追求兼容性…
阅读更多...
深度解析 DDoS 攻击：运作机制与防御体系构建​

深度解析 DDoS 攻击：运作机制与防御体系构建​

在网络安全领域&#xff0c;DDoS&#xff08;分布式拒绝服务&#xff09;攻击始终是企业与机构的 “心腹大患”。它通过操控大量 “傀儡主机” 发起海量请求&#xff0c;直接瘫痪目标服务器或网络链路&#xff0c;导致业务中断、用户流失甚至品牌声誉受损。今天&#xff0c;我们…
阅读更多...
在linux系统中下载Andconda

在linux系统中下载Andconda

下载前的准备工作 在开始下载 Anaconda 之前&#xff0c;做好充分的准备工作能避免后续出现不必要的麻烦&#xff0c;让整个过程更加顺畅。 确认系统架构 Linux 系统有 32 位和 64 位之分&#xff0c;不同架构对应的 Anaconda 安装包不同。你可以通过以下命令查看系统架构&a…
阅读更多...
最新文章

Copyright @ 2022~2023