阿里数据一致性实践：Dledger 技术在消息领域的探索和应用

一直以来，在多地多中心的消息发送场景下，如何保障数据的完整性和一致性是一个技术难点。本文将和您一起探讨 Dledger 技术，并分享 RocketMQ 的实践。

1. 多副本技术的演进

1.1 Master/Slave

多副本最早的是 Master/Slave 架构，即简单地用 Slave 去同步 Master 的数据，RocketMQ 最早也是这种实现。分为同步模式（Sync Mode）和异步模式（Async Mode），区别就是 Master 是否等数据同步到 Slave 之后再返回 Client。这两种方式目前在 RocketMQ 社区广泛使用的版本中都有支持，原理图如下图 1 所示。

图 1 Master-Slave

1.2 基于 Zookeeper 服务

随着 Google 三篇核心技术论文的发表（MapReduce、GFS 和 BigTable），分布式领域开启了快速发展。在 Hadoop 生态中，诞生了一个基于 Paxos 算法选举 Leader 的分布式协调服务 ZooKeeper。[z1] 由于 ZooKeeper 本身拥有高可用和高可靠的特性，随之诞生了很多基于 ZooKeepe r 的高可用高可靠的系统。具体做法如下图 2 所示：

图 2 Based on Zookeeper/Etcd

如图所示，假如系统里有 3 个节点，通过 ZooKeeper 提供的一些接口，可以从 3 个节点中自动的选出一个 Master 来。选出一个 Master 后，另外两个没成功的就自然变成 Slave。选完之后，后续过程与传统实现方式中的复制一样。故基于 ZooKeeper 的系统与基于 Master/Slave 系统最大的区别就是：选 Master 的过程由手动选举变成依赖一个第三方的服务（比如 ZooKeeper 或 Etcd）的选举。

基于 ZooKeeper 的服务还存在一个变种，具体做法如下图 3：

图 3 Based on ZooKeeper/Etcd

在第一种方式中，发起者（Client）和接收者（Server）都是在同一个进程中的。而在这种方式中 Client 是脱离于 Server 之外的，通过 Zookeeper，从这三个 Client 中选出一个 Master 来，选完 Master 后把请求同时发送到 3 个 Server 里，这样也可以达到多副本的效果。

但是基于 ZooKeeper 的服务也带来一个比较严重的问题：依赖加重。因为运维 ZooKeeper 是一件很复杂的事情。

1.3 基于 Raft 服务方式

因为 ZooKeeper 的复杂性，又有了以下 Raft 的方式。Raft 可以认为是 Paxos 的简化版。基于 Raft 的方式如下图 4 所示，与上述两种方式最大的区别是：leader 的选举是由自己完成的。比如一个系统有 3 个节点，这 3 个节点的 leader 是利用 Raft 的算法通过协调选举自己去完成的，选举完成之后，Master 到 Slave 同步的过程仍然与传统方式类似。最大的好处就是去除了依赖，即本身变得很简单，可以自己完成自己的协调。

图 4 Raft

• Raft Leader Election 机制

Raft 最大的好处就是可以实现自身 leader 选举。如果一个分布系统要自我协调，通常是采用“投票”的方式，在“投票”的时候，为了解决冲突问题，就采用了两个机制：Term 和 Quorum。

• Term，即给每一次投票编号，以 1、2、3 这样的数字命名。

• Quorum，即少数服从多数原则，每一次投票必须要得到多数派（N/2 + 1）的同意才认为是成功。

根据这两个机制，在一个 Term 中，一个节点只能投出一票，保证在一个 Term 中只有一个节点能选举成功。如果在一个 Term 中，没有节点获得大多数节点（N/2+1）的选票，选举失败，会重新发起选举。选举失败后，给每个节点设置合适的随机等待时间，会容易更快选举完成。选举成功之后就是跟之前比较相似的复制过程。

• 三种实现高可靠和高可用的方法优劣对比

Master/Slave，Based on ZooKeeper/Etcd 和 Raft，这三种是目前分布式系统中，做到高可靠和高可用的基本的实现方法，各有优劣。

• Master/Slave

优点：实现简单

缺点：不能自动控制节点切换，一旦出了问题，需要人为介入。

• Based on Zookeeper/Etcd

优点：可以自动切换节点

缺点：运维成本很高，因为 ZooKeeper 本身就很难运维。

• Raft

优点：可以自己协调，并且去除依赖。

缺点：实现 Raft，在编码上比较困难。

2. 什么是 DLedger

2.1 Dledger 的定位

前文介绍了目前分布式系统中，做到高可靠和高可用的三种基本的实现方法。Raft 算法现在解析的比较多，也比较成熟，代码实现难度也有所降低。Dledger 作为一个轻量级的 Java Library，它的作用就是将 Raft 有关于算法方面的内容全部抽象掉，开发人员只需要关心业务即可。

图 5 Dledger Proposition

如上图所示，Dledger 只做一件事情，就是 CommitLog。Etcd 虽然也实现了 Raft 协议，但它是自己封装的一个服务，对外提供的接口全是跟它自己的业务相关的。在这种对 Raft 的抽象中，可以简单理解为有一个 StateMachine 和 CommitLog。CommitLog 是具体的写入日志、操作记录，StateMachine 是根据这些操作记录构建出来的系统的状态。在这样抽象之后，Etcd 对外提供的是自己的 StateMachine 的一些服务。Dledger 的定位就是把上一层的 StateMachine 给去除，只留下 CommitLog。这样的话，系统就只需要实现一件事：就是把操作日志变得高可用和高可靠。

这样做对消息系统还有非常特别的含义。消息系统里面如果还采用 StateMachine + CommitLog 的方式，会出现 double IO 的问题，因为消息本省可以理解为是一个操作记录。所以 Dledger 会提供一些对原生 CommitLog 访问的 API。通过这些 API 可以直接去访问 CommitLog。这样的话，只需要写入一次就可以拿到写入的内容。Dledger 对外提供的是简单的 API，如下图 6 所示。可以把它理解为一个可以无限写入操作记录的文件，可以不停 append，每一个 append 的记录会加上一个编号。所以直接去访问 Dledger 的话就是两个 API：一个是 append，另一个是 get，即根据编号拿到相应的 entry（一条记录）。

图 6 Dledger API

2.2 Dledger 的架构

Dledger 的架构如下图 7 所示:

图 7 Dledger Architecture

从前面介绍的多副本技术的历史可以知道，我们要做的主要有两件事：选举和复制，对应到上面的架构图中，也就是两个核心类：DLedgerLeaderElector 和 DLedgerStore，选举和文件存储。选出 leader 后，再由 leader 去接收数据的写入，同时同步到其他的 follower，这样就完成了整个 Raft 的写入过程。

2.3 Dledger 的代码

因为 Dledger 只有 CommitLog，没有 StateMachine，所以代码很精简，只有 4000 多行，总体代码测试覆盖率大概是 70％。通过如下几行命令便可以快速地体验：

图 8 Dledge Quick Start

Dledger 源代码地址：https://github.com/openmessaging/openmessaging-storage-dledger

3. RocketMQ on DLedger

3.1 Dledger 在 RocketMQ 上的应用

图 9 RocketMQ on Dledger Architecture

Dledger 虽然只需要写 CommitLog，但是基于 CommitLog 是可以做很多事情的。RocketMQ 原来的架构里是有 CommitLog 的，现在用 Dledger 去替代原来的 CommitLog。由于 Dledger 提供了一些可以直接读取 CommitLog 的 API，于是就可以很方便地根据 CommitLog 去构建 ConsumerQueue 或者其他的模块。这就是 Dledger 在 RocketMQ 上最直接的应用。

3.2 Dledger 与 RocketMQ 对接时格式上的区别：

加了 Dledger 之后，其实就是在原来的消息上面加了一个头。这个头就是 Dledger 的头，本质上是一些简单的属性，例如 size 等。如下图 10 所示。

图 10 RocketMQ on Dledger Format

在使用的时候会有格式上的差异，所以社区在升级的时候做了一个平滑升级的考虑，如图 11 所示。要解决的问题是：如何将原来已有的 CommitLog 和现在基于 Dledger 的 CommitLog 混合？现在已经支持自动混合，但是唯一的一个要求是旧版的 CommitLog 需要自己去保持它的一致性。因为 Dledger 的复制是从新写入的记录开始。假设旧的 CommitLog 已经是一致的情况下，然后直接启动 Dledger ，是可以在旧的 CommitLog 基础上继续 append，同时保证新写消息的一致性，高可靠和高可用。这是 Dledger 直接应用到 RocketMQ 上的时候一个格式上的区别。

图 11 RocketMQ on Dledger Smooth Upgrade

对于用户来说，这样做最直接的好处是：若使用 Master/Slave 架构模式，一旦一个 broker 挂了，则需要手动控制。但是使用 Dledger 之后不需要这么做。因为 Dledger 可以通过自己选举，然后把选举结果直接传给 RocketMQ 的 broker，这样通过 nameserver 拿到路由的时候就可以自动找到 leader 节点去访问消息，达到自动切换的目的。如下图 12 所示。

图 12 RocketMQ on Dledger Failover

3.3 Dledger 在多中心场景下的使用

上面只是最基本的应用，更直接的应用如图 13 所示：（容灾切换）

图 13 RocketMQ on Dledger Multi Center

这里举一个真实的金融应用场景：杭州、深圳和上海分别代表系统中三个节点，进行消息传输。要求：数据一条都不能丢，满足实时高可用并且考虑城市之间的容灾。

Raft 的论文中没有提及如何优先选择某个节点作为 leader，但是我们实现的时候可以自己优化。假设杭州节点服务更好，我们可以指定优先选择杭州节点为 leader。如果杭州节点宕机，可以再把 leader 节点切换到上海，如果上海节点也挂掉，虽然集群不可用了，但是大部分数据还在深圳节点有灾备。深圳主要起复制和灾备的作用，一般情况下不会被选为 leader。

3.4 Dledger 的使用方式

社区 4.4.0 刚刚发表，RocketMQ on DLedger 计划在 4.5.0 发布，目前可以在分支上获取代码：https://github.com/apache/rocketmq/blob/store_with_dledger/docs/cn/dledger/

下载代码之后，可以通过运行社区提供的简单脚本 fast-try.sh 来体验一下。

图 14 RocketMQon Dledger Quick Start

4. RocketMQ 社区发展

4.1 功能点展望

前面主要讲了两个东西：RocketMQ 和 DLedger。DLedger 主要是作为 OpenMessaging 的一个社区在孵化，OpenMessaging 针对消息的存储也抽象出了一套 API，DLedger 是其一个标准的实现。

目前，Github 上的 DLedger 只是实现了 Raft 一些基础功能。后续有很多可以扩展的功能点，比如：

• Leader 节点优先选择

• 手动配置 leader

• 自动降级到 master/slave 架构

4.2 openmessaging-hakv

再看一下跟 DLedger 定位相似的 Java Library：openmessaging-hakv。openmessaging-hakv 结构图如图 15 所示。

图 15 openmessaging-hakv

代码详见：https://github.com/openmessaging/openmessaging-hakv

目前来看，我们没有一个嵌入式且高可用的解决方案。RocksDB 可以直接用，但是它本身不支持高可用。有了 DLedger 之后，我们可以把操作的记录直接写入 DLedger，但是基于这些记录恢复过程我们可以自己选择。假如数据量少，对高可用要求高，比如元数据，我们可以直接存在内存的 hashmap 中，根据 DLedger 的写入记录来构建自己的 hashmap，从而达到数据的一致性和容灾功能。

本文作者：刘振东，GitHub ID dongeforever，阿里巴巴技术专家，2016 年中间件性能挑战赛亚军，具有丰富的分布式系统设计经验，目前负责 RocketMQ 新航道的探索和创新。