不想了，我等码农，还是看看怎么来处理分布式系统中的事务这个老大难吧！

本文略长，读者需要有一定耐心，如果你是高级码农或者架构师级别，你可以跳过。
本文注重实战或者实现，不涉及CAP，略提ACID。
本文适合基础分布式程序员：

1. 本文会涉及集群中节点的failover和recover问题.
2. 本文会涉及事务及不透明事务的问题.
3. 本文会提到微博和tweeter，并引出一个大数据问题.

由于分布式这个话题太大，事务这个话题也太大，我们从一个集群的一个小小节点开始谈起。

集群中存活的节点与同步

分布式系统中，如何判断一个节点（node）是否存活？
kafka这样认为：

1. 此节点和zookeeper能喊话.（Keep sessions with zookeeper through heartbeats.）
2. 此节点如果是个从节点，必须能够尽可能忠实地反映主节点的数据变化。
   也就是说，必须能够在主节点写了新数据后，及时复制这些变化的数据，所谓及时，不能拉下太多哦.

那么，符合上面两个条件的节点就可以认为是存活的，也可以认为是同步的（in-sync）.

关于第1点，大家对心跳都很熟悉，那么我们可以这样认为某个节点不能和zookeeper喊话了：

zookeeper-node:
var timer = 
new timer()
.setInterval(10sec)
.onTime(slave-nodes,function(slave-nodes){
	slave-nodes.forEach( node -> {
		boolean isAlive = node.heartbeatACK(15sec);
		if(!isAlive) {
			node.numNotAlive += 1;
			if(node.numNotAlive >= 3) {
				node.declareDeadOrFailed();
				slave-nodes.remove(node);
				
				//回调也可 leader-node-app.notifyNodeDeadOrFailed(node)
				
			}
		}else 
		node.numNotAlive = 0;
	});
});

timer.run();

//你可以回调也可以像下面这样简单的计时判断
leader-node-app:
var timer = 
new timer()
.setInterval(10sec)
.onTime(slave-nodes,function(slave-nodes){
	slave-nodes.forEach(node -> {
		if(node.isDeadOrFailed) {

		//node不能和zookeeper喊话了
			
		}
	});
});

timer.run();

关于第二点，要稍微复杂点了，怎么搞呢？
来这么分析：

• 数据 messages.
• 操作 op-log.
• 偏移 position/offset.

// 1. 先考虑messages
// 2. 再考虑log的postion或者offset
// 3. 考虑msg和off都记录在同源数据库或者存储设备上.(database or storage-device.)
var timer = 
new timer()
.setInterval(10sec)
.onTime(slave-nodes,function(nodes){
	var core-of-cpu = 8;
	//嫌慢就并发呗 mod hash go!
	nodes.groupParallel(core-of-cpu)
	.forEach(node -> {
		boolean nodeSucked = false;

		if(node.ackTimeDiff > 30sec) {
			//30秒内没有回复，node卡住了
			nodeSucked = true;
		}
		if(node.logOffsetDiff > 100) {
			//node复制跟不上了，差距超过100条数据
			nodeSucked = true;
		}

		if(nodeSucked) {
			//总之node“死”掉了，其实到底死没死，谁知道呢？network-error在分布式系统中或者节点失败这个事情是正常现象.
			node.declareDeadOrFailed();
			//不和你玩啦，集群不要你了
			nodes.remove(node);
			//该怎么处理呢，抛个事件吧.
			fire-event-NodeDeadOrFailed(node);
		}
	});
});

timer.run();

上面的节点的状态管理一般由zookeeper来做，leader或者master节点也会维护那么点状态。

那么应用中的leader或者master节点，只需要从zookeeper拉状态就可以，同时，上面的实现是不是一定最佳呢？不是的，而且多数操作可以合起来，但为了描述节点是否存活这个事儿，咱们这么写没啥问题。

节点死掉、失败、不同步了，咋处理呢？

好嘛，终于说到failover和recover了，那failover比较简单，因为还有其它的slave节点在，不影响数据读取。

1. 同时多个slave节点失败了？
   没有100%的可用性.数据中心和机房瘫痪、网络电缆切断、hacker入侵删了你的根，总之你rp爆表了.
2. 如果主节点失败了，那master-master不行嘛？
   keep-alived或者LVS或者你自己写failover吧.
   高可用架构（HA）又是个大件儿了，此文不展开了。

我们来关注下recover方面的东西，这里把视野打开点，不仅关注slave节点重启后追log来同步数据，我们看下在实际应用中，数据请求（包括读、写、更新）失败怎么办？

大家可能都会说，重试（retry）呗、重放（replay）呗或者干脆不管了呗！
行，都行，这些都是策略，但具体怎么个搞法，你真的清楚了？

一个bigdata问题

我们先摆个探讨的背景：

问题：消息流，比如微博的微博（真绕），源源不断地流进我们的应用中，要处理这些消息，有个需求是这样的：

Reach is the number of unique people exposed to a URL on Twitter.

那么，统计一下3小时内的本条微博（url）的reach总数。

怎么解决呢？

把某时间段内转发过某条微博（url）的人拉出来，把这些人的粉丝拉出来，去掉重复的人，然后求总数，就是要求的reach.

为了简单，我们忽略掉日期，先看看这个方法行不行：

...阅读原文