Leader-based復制品要求所有的寫請求都經由某單一節點，但讀請求可以查詢任意復制品。這對于負載是大量讀請求而寫請求只占很小百分比的情況（網頁的一般情形），是很有吸引力的：創建很多的follower，并且把讀請求分散在這些follower間。這可以去除leader的負載，并且允許用就近的復制品為讀請求服務。

在這種讀請求擴展read-scaling的架構下，你可以簡單的通過增加更多的follower來提升只讀請求的能力。然而，這種方法只對于異步的復制品是實際可行的，如果你想對follower采用同步機制的話，一個節點的failure或者是網絡癱瘓就會使得整個系統不能再寫數據。并且，你有的節點越多，那么單個節點的宕機可能性就越大，因此，一個完全同步的配置是不現實的。

不幸的是，如果一個應用的讀來自一個已不的follower，如果這個follower的更新有所落后，那么應用看到的將是過時的信息。這會導致明顯的數據庫的不一致：

如果你在leader和follower那同時運行同樣的查詢，你會得到不一樣的結果，因為并不是所有的寫請求都已經反應到follower那。

這種不一致性就是一個臨時的狀態 - 如果你停下對數據的寫請求并且等一會，最終eventually follower會趕上并且和leader保持一致的。因為這個原因，這一影響被稱為evetual consistency。

術語“eventually最終”有一點故意的模糊性質：一般來說，對于復制品落后多少更新是沒有限制的。在正常操作下，一個發生在leader和反應到follower之間的寫請求的延遲，也叫拷貝延遲replication lag，可能不到一秒，在實際中不會被注意到。然而，如果系統的運行接近系統的最大容量或者網絡上有問題，那么這個lag就會很容易增加到幾秒或是幾分鐘。

當lag很大時，那么剛才被提及的不一致性就不是理論上的問題了，對于應用程序來說也是一個實際的問題。下面我們將討論，拷貝延遲發生時的3個問題以及解決它們的方法。

讀自己的寫請求

許多應用會讓用戶提交一些數據然后查看他們提交的內容。這可能是一個消費者數據庫中的一條記錄，或是對一條對討論主題的評論，或是其他的等等。當新數據被提交時，它必定會發送給leader，但是當用戶查看數據時，他可能會從follower那讀取。這對于數據頻繁被查看但偶爾被寫的用例特別合適。

使用異步拷貝時，會有如下圖展示的問題：如果用戶在寫數據后很快的查看數據，那么新的數據會還沒有到達復制品。對于用戶來說，看上就好像雖然數據提交了，但丟失了，所以他們是有理由不高興的。

在這樣的情況下，我們需要read-after-write consistency，也被稱為read-your-writes consitency。這是對用戶重載頁面后，他們總是能看到他們自己提交的數據一種保證。但對于其他用戶卻不能保證什么：其他用戶的更新也許是不可見的，直到一段時間之后。然而，它確保了用戶自己輸入已經被正確的存儲了。

那么我們應該怎么在leader-based的復制品中實現這種read-after-write consistency呢？有許多不同的技術可以實現。下面我們羅列一下：

• 當讀取一些用戶已經修改的東西時，讀請求的響應是來自leader的；否則讀請求的響應來自follower。這要求我們需要一些方式在沒有實際查詢的情況下，知道是不是有些東西被修改了。比方說，社交網絡上的用戶簡介一般只可以被簡介的擁有者修改，而不是其他人。因此一個簡單的規則就是：總是從leader那讀取用戶擁有的簡介，而其他用戶從follower那獲取用戶簡介。
• 如果應用中的大部分東西是可能被用戶編輯的，那么上述這個方法就是不可行的，因為大部分的東西都會從leader那讀取，這對于讀請求的擴展性是不利的。在這樣的情況下，需要其他的標準來決定是否從leader那讀取。比方說，你可以追蹤最近一次更新的時間，規定最近一次的更新后的一分鐘內的讀請求，都是由leader響應的。你也可以監測follower的拷貝延遲，并且防止對落后leader超過一分鐘更新的followers的請求。
• 客戶端可以記下最近一次更新的時間戳，然后系統就可以確保為這個用戶讀請求服務的復制品的更新至少是要跟這個時間戳是一致的。如果復制品不滿足這個日期，那么讀請求要么由其他的復制品處理，要么這個查詢一直等待知道這個復制品追上這個日期的更新。這個時間戳可以是一個logical timestamp（標明寫的順序的什么，諸如寫的序列號）或是真實的系統時鐘（這會使時鐘同步變得很關鍵）
• 如果你的復制品是分散在好幾個數據中心（為了在地理上靠近用戶或高可用性的目的），那么就會帶來額外的復雜性。leader需要處理的任何請求都必須路由到包含leader的數據中心。

當同一用戶從多個設備（例如臺式機Web瀏覽器和移動應用程序）訪問您的服務時，就會出現另一種復雜情況。在這種情況下，您可能希望提供跨設備cross-device的read-after-write consistency：如果用戶在一個設備上輸入了一些信息，然后在另一臺設備上查看了該信息，則他們應該看到剛剛輸入的信息。

在這種情況下，有一些額外的問題需要考慮：

• 要求記錄用戶最近一次更新的時間戳的方法會變得更困難，因為運行在一臺機器上的代碼不知道在另一臺機器上更新了什么。元數據需要集中化。
• 如果你的復制品是分散在不同數據中心的，那么就不能呢個確保不同設備的鏈接是路由到同一個數據中心的。例如，如果用戶的臺式計算機使用家庭寬帶連接，而其移動設備使用蜂窩數據網絡，則設備的網絡路由可能會完全不同。如果你的方法是從leader那讀取數據，你也許需要首先把來自用戶設備的所有請求都路由到同一個數據中心。

單調讀Monotonic Reads

異常的第二種情況可能是當動異步的follower那讀取數據時，用戶有可能看到一些時光倒流moveing backward in time的情形。

這可能發生在當用戶從幾個不同的復制品那讀取好幾次時。比方說，下圖展示了用戶2345執行了兩次一樣的查詢，第一次是和一個幾乎沒有lag的復制品，然后是和一個有很大lag的復制品（這種情形是很有可能的，當用戶刷新網頁時，每個請求都會路由到隨機的服務器）。第一次查詢會返回一個用戶1234添加的最新評論，但第二次查詢并沒有返回任何東西，因此滯后的follower還沒有看到那個寫的數據。也就是說，第二次查詢看到的系統，在時間上早于第一次看到的。如果第一次沒有返回任何東西，那其實并不糟糕，因為用戶2345本來就不會知道用戶1234最見增加了一條評論。然而，如果用戶2345在第一次看到了用戶1234的評論，但在之后又消失了，這會讓用戶很困惑。

Monotonic reads單調讀，可以保證這樣的異常不會發生。它比強一致性要弱一些，但比最終一致性要強。讀取數據時，您可能會看到一個舊值；單調讀取僅表示如果一個用戶依次進行幾次讀取，他們將看不到時間倒退-即，他們在先前讀取較新的數據之后將不會讀取到較舊的數據。

實現單調讀取的一種方法是確保每個用戶始終從同一副本進行讀?。ú煌挠脩艨梢詮牟煌北具M行讀?。＠纾梢曰谟脩鬒D的哈希而不是隨機地選擇副本。但是，如果該副本失敗，則用戶的查詢將需要重新路由到另一個副本。

前綴一致性讀Consistent Prefix Reads

拷貝延遲異常的第三個問題是關于對因果關系的違反。讓我們想象如下Mr.Poon和Mrs.Cake的對話：

Mr.Poons: Mrs.Cake，你可以看見多遠的未來？

Mrs.Cake：通常10秒左右，Mr.Poons。

這兩個句子之間存在因果關系：Cake夫人聽到了Poons先生的問題并回答了。

現在想象第三個人通過follower監聽這個對話。也就是說，Cake夫人說的話機會沒有滯后的經過follower，而Poons先生的說的則會有一個更大的拷貝延遲。如下圖，所以對于觀察者來說，她聽到的對話是這樣的：

Mrs.Cake：通常10秒左右，Mr.Poons。

Mr.Poons: Mrs.Cake，你可以看見多遠的未來？

對于觀察者來說，Cake夫人在Poons先生問問題之前就回答了這個問題。這種精神力量令人印象深刻，但卻令人困惑。

防止這種異常需要另一種保證：一致的前綴閱讀consistent prefix reads。這種保證是說，如果一系列寫入是以一定順序發生，那么閱讀這些寫入的任何人都會看到它們以相同的順序出現。

這是分區（分片）數據庫中的一個特殊問題。如果數據庫始終以相同順序應用寫入，則讀取總是看到一致的前綴，因此不會發生此異常。但是，在許多分布式數據庫中，不同的分區是獨立運行的，因此沒有全局的寫入順序：當用戶從數據庫中讀取數據時，他們可能會看到數據庫的某些部分處于較舊的狀態，而某些部分處于較新的狀態。

一種解決方案是確保將因果相關的所有寫入均寫入同一分區，但是在某些應用程序中無法有效完成。還有一些算法可以明確跟蹤因果關系。

拷貝延遲的解決方案

當在一個最終會一致的系統上工作時，考慮當拷貝延遲增加到幾分鐘或者幾小時，應用程序應該如何應為是很有價值的。如果答案是“沒問題”，那就太棒了。然而，如果結果導致了糟糕的用戶體驗，那么設計一個諸如read-after-write這樣更強的保證，是很重要的?？截悓嶋H上是異步的，但假裝是同步的，這是解決問題的根源。

就像之前討論的，應用程序總有提供一個比底層數據庫更強的保證，比如，通過在leader上執行某些讀操作。然而，在應用程序中處理這些問題是很復雜的并且很容易出錯。

最好是應用開發人員不用擔心這些微妙的拷貝問題，并且相信數據庫會做正確的事情。這也就是為什么transactions事務存在的原因：它們是讓數據庫提供更強保證的方式以使應用更簡單。

單節點的事務已經存在了很久。然而，隨著分布式數據庫（拷貝或分區）的前行，許多系統都已經放棄了它們，聲稱對于性能和可用性來說開銷太大，并且斷言在可擴展系統中最終一致性是不可避免的。這些陳述中有一些是對的，但太簡單化。

DR5內存的延遲真的很高嗎？聽說DDR5內存延遲比較高，這是真的嗎？我進行了幾項測試，CPU是13700KF，內存頻率是DDR57千頻率，持續32393980，原生態是654頻率的內存條，超頻超到7000讀取10500，寫入94，000復制96，000延遲，55納秒，這個延遲數據非常不錯。

這個內存的持續頻率是我默認設置的，我沒有調整小參數。如果是極限超頻愛好者進行內存參數小參，還可以把延遲繼續降低。據說有人能將延遲控制在50或49這個樣子。

·首先是B760主板，DDR56，40032393980，讀取9萬寫入86，000復制85，000延遲63納秒。

·接下來換成DDR4內存，DDR43，200持續16202038，主板B660讀取4000寫入46，000復制46000，延遲62.8，CPU依然是1512490F。

·接下來更換了一套內存條，依然是DDR43，200頻率持續14161636，處理器依然是1512490F，讀取149，000寫入46，000復制48，000和前面那一套C16持續基本一致。但是延遲從六十二點幾降到了五十八點幾，確實下降了一些。對于玩吃雞和永劫無間的極限玩家來說，那多多少少是起到一些作用的。

·最后做個總結。

→第一個結論，DDR5建議選擇6000以上的，6000，0006都可以。內存持續建議C32，C34，延遲剛才大家看到了大概63納秒，而DDR4通過幾組測試我得出一些結論，DDR4的內存C16和DDR5的C27，延遲幾乎是一樣的。

→第三個結論就是DDR56，000頻率6000，400頻率效果確實是要比DDR4，3200頻率3600頻率要好，延遲一樣的情況下確實要好，讀取復制寫入內存速度就是比它快，毋庸置疑。

·至于網上宣傳DDR4延遲比DDR5要低，那就是因為人家超頻，超頻到了4000頻率，超到了4000頻率。然而內存延遲控制在c15，相比較而言這種效果比6000頻率6400頻率延遲要低。

但又話又說回來了，如果把內存頻率弄到6800，弄到7000頻率越高CPU越高，反而內存延遲會降低。就如視頻開頭6400的頻率超頻超到7000，CPU從i5變成i7，反而內存延遲從62納秒降低到55納秒，你怎么解釋？

天談一個大家都好奇地問題，為什么電腦越來越卡，相信大家都深有體會，好好的電腦剛買的時候像火箭，現在怎么就支棱不起來了呢，是老了么？

這個話題知乎大神都有自己的見解，其中就有一路大神舉個生動的例子：給一位小姐姐重裝了一臺電腦，然后給安排了一個360瀏覽器，然后360的各路親戚就慢慢地都來了，幾乎小姐姐的電腦被360的全家桶包圓了。

然后小姐姐又重新裝了系統，這回她聰明了，不下載360了，這回咱下載獵豹瀏覽器，但是還是重蹈覆轍，獵豹的朋友圈似乎也是不容小覷。其實并不是說安裝軟件多就會卡，這只是導致卡的因素之一。

電腦總是重裝系統并非長久之計，電腦從開始的流暢到后來的打開個Excel都有些吃力。

其實電腦越越卡可用蝴蝶效應來解釋，蝴蝶效應是指在一個動力系統中，初始條件下微小的變化能帶動整個系統的長期的巨大的連鎖反應。它是一種混沌現象，說明了任何事物發展均存在定數與變數，事物在發展過程中其發展軌跡有規律可循，同時也存在不可測的“變數”，往往還會適得其反，一個微小的變化能影響事物的發展，證實了事物的發展具有復雜性。

主要導致電腦越來越卡的情況和解決措施。

一、軟件問題

1、軟件過多，且開啟了開機啟動

2、游戲更新導致配置不夠用

二、硬件問題

1、磁盤IO瓶頸

2、磁盤碎片過多

三、內存問題

四、其他問題解決方案

1、定時清理電腦垃圾

2、盡量不把文件放在c盤或者桌面

3、C盤的清理

01軟件問題

1、軟件過多，且開啟了開機啟動

首先就是軟件問題，安裝過多的軟件并且還不管理這些軟件，顯然會給電腦增添負擔，我們需要將不常用的軟件及時卸載，減少開機自動啟動的軟件，或將開機自動啟動的軟件關閉。

2、游戲更新導致配置不夠用

游戲運行后物理內存爆到96%，更新游戲之后造成這一變化，游戲更新導致設備不上主流，隨著電腦技術的日益完善，軟件為了更好的服務用戶，對電腦的配置越來越苛刻也是理所當然。例如游戲的更新，為了給用戶帶了更好的體驗感覺，和視覺沖擊感受也是當然是牟足了勁。雖然電腦還是原來的電腦，其實電腦的靈魂已經并不是現在的靈魂了。

所以解決這一問題最好的方式就是重裝點電腦，或將可以降低版本的軟件進行降低，當然還可以選擇更好的配置，但是是在你舍得花錢的前提。

02硬件問題

1、磁盤IO問題

遇到電腦反應遲鈍沒卡頓等情況，我問首先需要打開任務管理器進行查看，先找到電腦卡頓是因為CPU的問題還是內存、磁盤的問題才是尤為重要的。如果CPU和內存很正常，那就很有可能是磁盤的問題，系統磁盤瓶頸了，導致電腦如同癱瘓。

如何優化磁盤IO性能呢？

一次盡可能多寫入或多讀取。也就是說，將程序的讀寫buffer設置得盡可能大一些。例如日志或者redo log的寫入，不是每次調用都直接寫磁盤，而是先緩存到內存中，等buffer滿了再寫入磁盤，也可以定時寫入磁盤。

操作系統和C庫函數通常會對寫入的文件內容做緩存，以減少實際寫文件的次數。直接調用系統函數fsync或C函數fflush將使系統的緩存機制失效，此時將強制把內容刷到磁盤上。除非必需，否則不要執行強制刷盤操作。

2、磁盤碎片過多

電腦在使用的過程中，不知不覺的會留下一些小碎片。平時可能沒什么影響，但是積少成多慢慢的就會越來越占空間。其實電腦磁盤就想我們家里的房間，每個房間都有一定的空間，但是生活久了需要使用的東西越來越多 ，所以我們就只能定時清理房間，有足夠的空間讓我們自己活動。磁盤清理也是一樣，做好定時清理讓軟件有足夠的運行空間。

03內存問題

首先電腦內存不足會有這樣的情況，程序經常長時間無響應，加載時間過長，電腦打開多任務的時候會出現切換慢，白屏無響應。也就是電腦反應慢，電腦出現內存較低，內存不足的提示，玩大型游戲卡頓，畫面延遲，例如吃雞按TAB會卡。這個時候確實需要加一個內存條或者進行升級。

04其他問題解決方案

1、定時清理電腦垃圾

電腦在瀏覽網頁、下載軟件的時候難免會留下痕跡或者一些碎片，這時我們的360的安全衛士就可以派上用場了。給360軟件設置定時，定被刪除的文件并不是瞬間就被刪除了，而是會被刪除到回收站，所以清理垃圾時把電腦軟件的安裝包、使用痕跡清除掉，時一定要順便清理回收站。

電腦上網在運行的過程中或出現很多的痕跡、碎片，這時候前文提到的360就派上用場了，所以需要定時定點的去清理電腦的垃圾、清除。當然別忘了清理一下回收箱。

2、盡量不把文件放在C盤或者桌面

C盤是電腦的系統盤，就是整部電腦的核心位置，不相關的軟件不要安裝到C盤這會導致藍屏或者導致電腦損壞的風險。電腦下載軟件的是后系統會默認C盤是最安全的磁盤，所以安裝最好安裝在C盤以外的磁盤里。

3、C盤的清理

C盤是電腦系統的運轉中心，所以在使用的時候需要將電腦的C盤會留下垃圾和痕跡，這也是需要及時清理的，但是要注意不要清理錯文件，一旦刪錯了可能會導致整個系統癱瘓。

05寫在最后

電腦卡頓除了日常需要的維護外，配置也是尤為重要。 CPU處理器實際上是電腦的大腦，因為電腦的各種計算都是處理器完成的。建議大家可以更換更高配的CPU或安裝SSD也是解決電腦卡頓的方法。

讀者朋友，您還有其他的問題和解決方式么，歡迎交流～

(7256199)