使用Hystrix实现微服务的容错处理容错机制如果服务提供者相应非常缓慢，那么消费者对提供者的请求就会被强制等待，知道提供者相应超时。在高负载场景下，如果不作任何处理，此类问题可能会导致服务消费者的资源耗尽甚至整个系统崩溃。雪崩效应微服务架构的应用系统通常包含多个服务层，微服务之间通过网络进行通信，从而支撑起整个应用系统，因此，微服务之间难免

在实际的生产过程中，单服的redis存在单点的问题，redis通常需要集群的环境。相比单服的redis，集群有以下些好处：1.容错性解决在单服redis的单点问题。在一个或多个节点出现宕机的情况下，集群内部通过投票的机制能够快速的进行选举和不停机的情况下进行服务持续提供。2.扩展性相比单

Redis面试1.Redis是什么？都有哪些使用场景？我们先来理解经典的CAP理论：tex一致性：是指从数据层面来看的一致性。可用性：是指从系统层面的可用性。容错性：是指从网络层面的的容错性。

注:本系列文章已捐赠给Dubbo社区，你也可以在Dubbo中阅读本系列文章。1\.简介上一篇文章分析了集群容错的第一部分–服务目录Directory。服务目录在刷新Invoker列表的过程中，会通过Router进行服务路由。上一篇文章关于服务路由相关逻辑没有细致分析，一笔带过了，本篇文章将对此进行详细的分析。首先，先来介绍一下服务目

注:本系列文章已捐赠给Dubbo社区，你也可以在Dubbo中阅读本系列文章。1\.简介前面文章分析了服务的导出与引用过程，从本篇文章开始，我将开始分析Dubbo集群容错方面的源码。这部分源码包含四个部分，分别是服务目录Directory、服务路由Router、集群Cluster和负载均衡LoadBalance。这几个部分的源码逻辑比

Dubbo源码分析集群容错之LoadBalance注:本系列文章已捐赠给Dubbo社区，你也可以在Dubbo中阅读本系列文章。1.简介LoadBalance中文意思为负载均衡，它的职责是将网络

1\.前言ApacheFlink是一个分布式流处理引擎，它提供了丰富且易用的API来处理有状态的流处理应用，并且在支持容错的前提下，高效、大规模的运行此类应用。通过支持事件时间(eventtime)、计算状态(state)以及恰好一次(exactlyonce)的容错保证，Flink迅速被很多公司采纳，成为了新一代的流计算处理引擎。

1\.CAP定理C：Consistency，一致性A：Availability，可用性P：Partitiontolerance，分区容错性CAP定理，指的是在一个分布式系统中，一致性、可用性、分区容错性，三者不可得兼。2\.CAP详解2.1一致性（C）指所有节点访问同一份最新的

　　在微服务架构中，通常会出现服务不可用的现象，假设A为服务提供者，B为A服务的调用者，C、D为B服务的调用者，那么当A服务不可用之后，随着时间的推移就会导致B服务不可用，B服务的不可用可能会导致C、D服务的不可用，最终导致整个系统的不可用，为了解决这种级联失败的问题，在分布式架构中出现了断路器等一系列服务保护机制。　　在SpringCloud中使用H

MapReduce简介MapReduce是一种并行可扩展计算模型，并且有较好的容错性，主要解决海量离线数据的批处理。实现下面目标★易于编程★良好的扩展性★高容错性MapReduce有哪些角色？各自的作用是什么？MapRedu

壹工作中的微服务架构,某个服务通常会被多个服务调用或者多层调用完成需求,如果某个服务不可用,导致一个系统功能不可用或者服务直接没用了的情况,这种情况称为雪崩效应有A服务调用B服务,B服务调用C服务,如果B服务调用C服务出了问题,那么B服务会一直重试,等待会将资源耗尽,结果B服务也不可用,导致A服务调用B服务的时候,也出问题,这样的话,ABC服务都

1\.回顾上文讲解了容错的重要性，以及容错需要实现的功能。本文来讲解使用Hystrix实现容错。2\.Hystrix简介Hystrix是Netflix开源的一个延迟和容错库，用于隔离访问远程系统、服务或第三方库，防止级联失败，从而提高系统的可用性与容错性。Hystrix主要通过以下几点实现延迟和容错：

注:Dubbo版本是2.6.2            !(https://static.oschina.net/uploads/space/2018/0518/162612_V02j_2518341.png)                        图1Dubbo的Fa

作为服务注册中心，Eureka比Zookeeper好在哪里著名的CAP理论指出，一个分布式系统不可能同时满足C（一致性）、A（可用性）和P（分区容错性）。由于分区容错性P是在分布式系统中必须要保证的，因此我们只能在A和C之间进行权衡。因此Zookeeper保证的是CPEureka则

Elasticsearch的基础分布式架构Elasticsearch对复杂分布式机制的透明隐藏特性Elasticsearch是一套分布式系统，分布式是为了应对大数据量。Elasticsearch隐藏了复杂的分布式机制：分片：我们之前随随便便就将一些document插入到es集群中去

    还记得之前写过一篇防雪崩利器：熔断器Hystrix的原理与使用https://my.oschina.net/u/3266761/blog/2654470，讲述了服务降级和熔断的控制，今天带来另一个流量控制与服务降级阿里开源框架sentinel。  首先是两者的对比：    Hystrix的关注点在于以隔离和熔断为主的容错机制

CAP定理1.Consistency:一致性2.Availability:可用性3.Partitiontolerance:分区容错性CAP定理指出，在异步网络模型中，不存在一个系统可以同时满足上述3个属性。换句话说，分布式系统必须舍弃其中的一个属性。对于需要在分布式条件下运行的系统来说，如何在一致性、可用性和分区容错

写在前面的话：读书破万卷，编码如有神\参考内容：《Elasticsearch顶尖高手系列快速入门篇》，中华石杉\

Hystrix熔断机制就像家里的保险丝一样，若同时使用高功率的电器，就会烧坏电路，这时候保险丝自动断开就有效的保护了电路。而我们程序中也同样是这样。例如若此时数据库压力太大速度很慢，此时还有不断的请求访问后台，就会造成数据库崩溃。这时候hystrix容错机制，可以为客户端请求设置超时链接，添加回退的逻辑，减少集群压力。!(https://os

最近在读《数据密集型应用系统设计》，其中谈到了zookeeper对容错共识算法的应用。这让我想到之前参考的zookeeper学习资料中，误将容错共识算法写成了2PC（两阶段提交协议），所以准备以此文对共识算法和2PC做梳理和区分，也希望它能帮助像我一样对这两者有误解的同学。