本文由公眾號“水滴與銀彈”號主Kaito原創分享，原題“搞懂異地多活，看這篇就夠了”，為使文章更好理解，即時通訊網收錄時有修訂。
1、引言
前幾天技術群里有群友問我52im社區里有沒有IM分布式系統異地多活方面的文章，我仔細想了想，除了微信分享的幾篇文章里有提到容災和異地多活（只是大致提過，沒有詳細展開），確實目前還沒有系統性的異地多活技術資料可供參考。正好借此機會，整理了Kaito分享的這篇供大家學習。
本文從一個簡單的系統例子開始，從單機架構、主從副本、同城災備、同城雙活，再到異地雙活、異地多活，由淺入深、循序漸進地講解了大型分布式系統異地多活容災架構的技術原理和基本的實現思路，非常適合入門者學習。
學習交流：
（本文同步發布于：http://www.52im.net/thread-3742-1-1.html）
2、系列文章
本文是IM開發基礎知識補課系列文章中的第10篇：
- 《IM開發基礎知識補課(一)：正確理解前置HTTP SSO單點登陸接口的原理》
- 《IM開發基礎知識補課(二)：如何設計大量圖片文件的服務端存儲架構？》
- 《IM開發基礎知識補課(三)：快速理解服務端數據庫讀寫分離原理及實踐建議》
- 《IM開發基礎知識補課(四)：正確理解HTTP短連接中的Cookie、Session和Token》
- 《IM開發基礎知識補課(五)：通俗易懂，正確理解并用好MQ消息隊列》
- 《IM開發基礎知識補課(六)：數據庫用NoSQL還是SQL？讀這篇就夠了！》
- 《IM開發基礎知識補課(七)：主流移動端賬號登錄方式的原理及設計思路》
- 《IM開發基礎知識補課(八)：史上最通俗，徹底搞懂字符亂碼問題的本質》
- 《IM開發基礎知識補課(九)：想開發IM集群？先搞懂什么是RPC！》
- 《IM開發基礎知識補課(十)：大型IM系統有多難？萬字長文，搞懂異地多活！》（* 本文）
以下是文章中也有關于容災和異地多活的內容：
- 《快速裂變：見證微信強大后臺架構從0到1的演進歷程（二）》
- 《IM消息ID技術專題(二)：微信的海量IM聊天消息序列號生成實踐（容災方案篇）》
- 《淘寶技術分享：手淘億級移動端接入層網關的技術演進之路》
3、內容概述
在軟件開發領域，「異地多活」是分布式系統架構設計的一座高峰，很多人經常聽過它，但很少人理解其中的原理。
異地多活到底是什么？為什么需要異地多活？它到底解決了什么問題？究竟是怎么解決的？
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。
我曾經有幸深度參與過一個中等互聯網公司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后的的實現原理。
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。
4、什么是系統可用性
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，如果你了解一些「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。
它們是：
其中：
- 1）高性能：意味著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 并發請求，接口響應時間 5 ms 等等）；
- 2）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，怎么理解它呢？
通常用 2 個指標來衡量：
- 1）平均故障間隔 MTBF（Mean Time Between Failure）：表示兩次故障的間隔時間，也就是系統「正常運行」的平均時間，這個時間越長，說明系統穩定性越高；
- 2）故障恢復時間 MTTR（Mean Time To Repair）：表示系統發生故障后「恢復的時間」，這個值越小，故障對用戶的影響越小。
可用性與這兩者的關系：
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」，整個系統的可用性才會越高，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，就成為了可用性的關鍵。
可如何做到快速恢復呢？
這篇文章要講的「異地多活」架構，就是為了解決這個問題，而提出的高效解決方案。
本文余下的內容，我將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，以及為什么架構要這樣演進，從而理解異地多活架構的意義。
5、單機架構
我們從最簡單的開始講起。
假設你的業務處于起步階段，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，這里的數據庫是「單機」部署的，所以它有一個致命的缺點：即一旦遭遇意外（例如磁盤損壞、操作系統異常、誤刪數據），那這意味著所有數據就全部「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）恢復需時間：業務需先停機，再恢復數據，停機時間取決于恢復的速度，恢復期間服務「不可用」；
- 2）數據不完整：因為是定期備份，數據肯定不是「最新」的，數據完整程度取決于備份的周期。
很明顯：你的數據庫越大，意味故障恢復時間越久。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。
那有什么更好的方案，既可以快速恢復業務？還能盡可能保證數據完整性呢？
這時你可以采用這個方案：主從副本。
6、主從副本架構
針對上節中單機架構的問題，你可以在另一臺機器上，再部署一個數據庫實例，讓這個新實例成為原實例的「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）。
這個方案的優點在于：
- 1）數據完整性高：主從副本實時同步，數據「差異」很小；
- 2）抗故障能力提升：主庫有任何異常，從庫可隨時「切換」為主庫，繼續提供服務；
- 3）讀性能提升：業務應用可直接讀從庫，分擔主庫「壓力」讀壓力。
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。因為業務應用通常是「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。
因為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后，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：冗余。
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。
到這里：你的架構基本已演變成主流方案了，之后開發新的業務應用，都可以按照這種模式去部署。
但這種方案還有什么風險嗎？
7、一個容易被可忽視的風險
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，為了避免單點故障，你的應用雖然部署了多臺機器，但這些機器的分布情況，我們并沒有去深究。
而一個機房有很多服務器，這些服務器通常會分布在一個個「機柜」上，如果你使用的這些機器，剛好在一個機柜，還是存在風險。
如果恰好連接這個機柜的交換機 / 路由器發生故障，那么你的應用依舊有「不可用」的風險。
雖然交換機 / 路由器也做了路線冗余，但不能保證一定不出問題。
部署在一個機柜有風險，那把這些機器打散，分散到不同機柜上，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，因為無論怎么分散，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、溫濕度控制、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：
2015 年 5 月 27 日，杭州市某地光纖被挖斷，近 3 億用戶長達 5 小時無法訪問支付寶；
2021 年 7 月 13 日，B 站部分服務器機房發生故障，造成整站持續 3 個小時無法訪問；
2021 年 10 月 9 日，富途證券服務器機房發生電力閃斷故障，造成用戶 2 個小時無法登陸、交易；
...
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（墨菲定律）。雖然概率很小，但一旦真的發生，影響之大可見一斑。
看到這里你可能會想，機房出現問題的概率也太小了吧，工作了這么多年，也沒讓我碰上一次，有必要考慮得這么復雜嗎？
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么？
- 1）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；
- 2）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；
- 3）等體量再大到一定規模后你會發現，「可用性」就變得尤為重要。像微信、支付寶這種全民級的應用，如果機房發生一次故障，那整個影響范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。那到底該怎么應對機房級別的故障呢？
沒錯，還是冗余。
8、同城災備架構
想要抵御「機房」級別的風險，那應對方案就不能局限在一個機房內了。
現在，你需要做機房級別的冗余方案，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，怎么把它用起來呢？這里還是要優先考慮「數據」風險。
為了避免 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，重啟服務。
這種方案，我們稱之為「冷備」。
為什么叫冷備呢？因為 B 機房只做備份，不提供實時服務，它是冷的，只會在 A 機房故障時才會啟用。
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。
比如：
- 1）B 機房所有從庫提升為主庫；
- 2）在 B 機房部署應用，啟動服務；
- 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。
看到了么？A 機房故障后，B 機房需要做這么多工作，你的業務才能完全「恢復」過來。
你看：整個過程需要人為介入，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，如果能做到故障后立即「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 機房所有從庫提升為主庫；
- 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。
到這里你會發現，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 機房處于「待命」狀態，A 故障后 B 可以隨時「接管」流量，繼續提供服務。
熱備相比于冷備最大的優點是：隨時可切換。
無論是冷備還是熱備，因為它們都處于「備用」狀態，所以我們把這兩個方案統稱為：同城災備。
同城災備的最大優勢在于：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？（后面還有更爽的 ...）
9、同城雙活架構
我們繼續來看上節的這個架構。
雖然我們有了應對機房故障的解決方案，但這里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愿，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 軍隊只是后備軍，除了有軍人的基本素養之外，并沒有實戰經驗，戰斗經驗基本為 0。
如果 A 軍隊喪失戰斗能力，需要 B 軍隊立即頂上時，作為指揮官的你，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：發布應用的版本不一致、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，只讓它當一個后備軍，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，這樣做的好處有兩個。
- 一是可以實時訓練這支后備軍，讓它達到與 A 機房相同的作戰水平，隨時可切換；
- 二是 B 機房接入流量后，可以分擔 A 機房的流量壓力。
這才是把 B 機房資源優勢，發揮最大化的最好方案！
那怎么讓 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。
但這里有一個問題：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。怎么辦？
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，因為主庫在 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。
因為 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。
業務改造完成后，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：因為 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！
到這里你可以看到：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，相當于把 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」。
因為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？
那這種架構有什么問題呢？
10、兩地三中心架構
還是回到風險上來說。
如上節所述，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，還是處于「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。怎么辦？沒辦法，繼續冗余。
但這次冗余機房，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」。
具體就是：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，并且同時提供服務，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，啟用災備機房需要時間，而且啟用后的服務，不確定能否如期工作。
所以：要想真正的抵御城市級別的故障，越來越多的互聯網公司，開始實施「異地雙活」。
11、偽異地雙活架構
這里，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？
事情沒你想的那么簡單。
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，這里存在一個很大的問題：網絡延遲。
因為兩個機房距離較遠，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，可能會訪問后端幾十個 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。
看到了么：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，在這里就不適用了，還是按照這種方式部署，這是「偽異地雙活」！
那如何做到真正的異地雙活呢？
12、真正的異地雙活架構
既然「跨機房」調用延遲是不容忽視的因素，那我們只能盡量避免跨機房「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，因為很少有項目是只有讀流量，沒有寫流量的。所以這種方案還是不行，這怎么辦？
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，而是也要變為「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。
因為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。
怎么實現這種「雙主」架構呢？它們之間如何互相同步數據？
如果對 MySQL 有所了解，你應該知道，MySQL 本身就提供了雙主架構，它支持雙向復制數據，但平時用的并不多。而且 Redis、MongoDB 等數據庫并沒有提供這個功能。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。
看到了么：這一下子復雜度就上來了，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，也會采用自研同步中間件的方式來做（例如餓了么、攜程、美團都開發了自己的同步中間件）。
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：
- 1）北京機房寫入 X = 1；
- 2）上海機房寫入 Y = 2；
- 3）數據通過中間件雙向同步；
- 4）北京、上海機房都有 X = 1、Y = 2 的數據。
這里：我們用中間件雙向同步數據，就不用再擔心專線問題（一旦專線出問題，我們的中間件可以自動重試，直到成功，達到數據最終一致）。
但這里還會遇到一個問題：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，發生沖突怎么辦？
- 1）用戶短時間內發了 2 個修改請求，都是修改同一條數據；
- 2）一個請求落在北京機房，修改 X = 1（還未同步到上海機房）；
- 3）另一個請求落在上海機房，修改 X = 2（還未同步到北京機房）；
- 4）兩個機房以哪個為準？
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后，數據發生「沖突」。
這是一個很嚴重的問題：系統發生故障并不可怕，可怕的是數據發生「錯誤」，因為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「合并」數據、解決「沖突」的能力。
這個方案實現起來比較復雜，要想合并數據，就必須要區分出「先后」順序。我們很容易想到的方案，就是以「時間」為標尺，以「后到達」的請求為準。
但這種方案需要兩個機房的「時鐘」嚴格保持一致才行，否則很容易出現問題。
例如：
- 1）第 1 個請求落到北京機房，北京機房時鐘是 10:01，修改 X = 1；
- 2）第 2 個請求落到上海機房，上海機房時鐘是 10:00，修改 X = 2。
因為北京機房的時間「更晚」，那最終結果就會是 X = 1。但這里其實應該以第 2 個請求為準，X = 2 才對。
可見，完全「依賴」時鐘的沖突解決方案，不太嚴謹。
所以，通常會采用第二種方案，從「源頭」就避免數據沖突的發生。
我們繼續往下學習。。。
13、更好的異地雙活架構及實施思路
接上節：既然自動合并數據的方案實現成本高，那我們就要想，能否從源頭就「避免」數據沖突呢？
這個思路非常棒！
13.1 基本思路
從源頭避免數據沖突的思路是：在最上層接入流量時，就不要讓沖突的情況發生。
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，之后的所有業務操作，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」（通常部署在云服務器上），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，具體怎么定呢？
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。
13.2 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。
這里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系，要盡可能的把完成「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、支付服務有依賴關系，會產生互相調用，那這 2 個服務在 A 機房接入流量。社區、發帖服務有依賴關系，那這 2 個服務在 B 機房接入流量。
13.3 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，然后從路由表中找到對應的機房，之后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，然后根據路由規則，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。
13.4 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，整個業務范圍相關的有商家、用戶、騎手，它們都是在相同的地理位置內的。
針對這種特征：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，也能避免數據沖突。
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，你才能真正明白怎么做異地多活。
總之：分片的核心思路在于，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后，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，這里不展開講，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：因為機房部署在異地，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。
這里還有一種情況，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，這類服務依舊只能采用寫主機房，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，并不是「全部」業務實現雙活。
至此，我們才算實現了真正的「異地雙活」！
到這里你可以看出，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。
14、異地多活架構
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。
但這里還有一個小問題：隨著擴展的機房越來越多，當一個機房寫入數據后，需要同步的機房也越來越多，這個實現復雜度會比較高。
所以業界又把這一架構又做了進一步優化，把「網狀」架構升級為「星狀」：
這種方案必須設立一個「中心機房」，任意機房寫入數據后，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，實現復雜度大大「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，提升為中心機房，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」！
多活的優勢在于：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系統規模的增長，因為這套架構具有極強的「擴展能力」。
怎么樣？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？
15、本文小結
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，變得尤為重要。
2）系統發生故障并不可怕，能以「最快」的速度恢復，才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「冗余」，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余。
4）同城災備分為「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，并做好隨時切換的準備。
5）同城雙活比災備的優勢在于，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」，用來抵御「城市」級別的災害，但啟用災備機房需要時間。
7）異地雙活才是抵御「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。但實現也最復雜，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。
16、寫在最后
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。
因為篇幅限制，很多細節我并沒有展開來講。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，因為它需要開發強大的「基礎設施」才可以完成實施。
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才行。
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，其復雜度之高，只有親身參與過之后才知道。
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：從同城雙活演變為異地雙活的過程，是最為復雜的。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，對你有所啟發。
附錄：更多IM技術干貨
[1] IM架構設計的文章：
《淺談IM系統的架構設計》
《簡述移動端IM開發的那些坑：架構設計、通信協議和客戶端》
《一套海量在線用戶的移動端IM架構設計實踐分享(含詳細圖文)》
《一套原創分布式即時通訊(IM)系統理論架構方案》
《一套高可用、易伸縮、高并發的IM群聊、單聊架構方案設計實踐》
《從游擊隊到正規軍(一)：馬蜂窩旅游網的IM系統架構演進之路》
《瓜子IM智能客服系統的數據架構設計（整理自現場演講，有配套PPT）》
《阿里釘釘技術分享：企業級IM王者——釘釘在后端架構上的過人之處》
《一套億級用戶的IM架構技術干貨(上篇)：整體架構、服務拆分等》
《一套億級用戶的IM架構技術干貨(下篇)：可靠性、有序性、弱網優化等》
《從新手到專家：如何設計一套億級消息量的分布式IM系統》
《企業微信的IM架構設計揭秘：消息模型、萬人群、已讀回執、消息撤回等》
《融云技術分享：全面揭秘億級IM消息的可靠投遞機制》
《IM開發技術學習：揭秘微信朋友圈這種信息推流背后的系統設計》
《阿里IM技術分享(三)：閑魚億級IM消息系統的架構演進之路》
《阿里IM技術分享(四)：閑魚億級IM消息系統的可靠投遞優化實踐》
《阿里IM技術分享(五)：閑魚億級IM消息系統的及時性優化實踐
[2] 其它IM技術綜合性文章：
《新手入門一篇就夠：從零開發移動端IM》
《移動端IM開發者必讀(一)：通俗易懂，理解移動網絡的“弱”和“慢”》
《移動端IM開發者必讀(二)：史上最全移動弱網絡優化方法總結》
《從客戶端的角度來談談移動端IM的消息可靠性和送達機制》
《現代移動端網絡短連接的優化手段總結：請求速度、弱網適應、安全保障》
《移動端IM中大規模群消息的推送如何保證效率、實時性？》
《移動端IM開發需要面對的技術問題》
《IM消息送達保證機制實現(一)：保證在線實時消息的可靠投遞》
《IM消息送達保證機制實現(二)：保證離線消息的可靠投遞》
《如何保證IM實時消息的“時序性”與“一致性”？》
《一個低成本確保IM消息時序的方法探討》
《IM單聊和群聊中的在線狀態同步應該用“推”還是“拉”？》
《IM群聊消息如此復雜，如何保證不丟不重？》
《談談移動端 IM 開發中登錄請求的優化》
《移動端IM登錄時拉取數據如何作到省流量？》
《淺談移動端IM的多點登錄和消息漫游原理》
《完全自已開發的IM該如何設計“失敗重試”機制？》
《自已開發IM有那么難嗎？手把手教你自擼一個Andriod版簡易IM (有源碼)》
《適合新手：從零開發一個IM服務端（基于Netty，有完整源碼）》
《拿起鍵盤就是干：跟我一起徒手開發一套分布式IM系統》
《IM消息ID技術專題(一)：微信的海量IM聊天消息序列號生成實踐（算法原理篇）》
《IM開發寶典：史上最全，微信各種功能參數和邏輯規則資料匯總》
《IM開發干貨分享：我是如何解決大量離線消息導致客戶端卡頓的》
《零基礎IM開發入門(一)：什么是IM系統？》
《零基礎IM開發入門(二)：什么是IM系統的實時性？》
《零基礎IM開發入門(三)：什么是IM系統的可靠性？》
《零基礎IM開發入門(四)：什么是IM系統的消息時序一致性？》
《IM開發干貨分享：如何優雅的實現大量離線消息的可靠投遞》
《IM掃碼登錄技術專題(三)：通俗易懂，IM掃碼登錄功能詳細原理一篇就夠》
《IM掃碼登錄技術專題(四)：你真的了解二維碼嗎？刨根問底、一文掌握！》
《理解IM消息“可靠性”和“一致性”問題，以及解決方案探討》
《IM開發干貨分享：萬字長文，詳解IM“消息“列表卡頓優化實踐》
《IM開發干貨分享：網易云信IM客戶端的聊天消息全文檢索技術實踐》
《IM開發技術學習：揭秘微信朋友圈這種信息推流背后的系統設計》
本文已同步發布于“即時通訊技術圈”公眾號。
同步發布鏈接是：http://www.52im.net/thread-3742-1-1.html