大约 5 分钟
单节点
分析：
- 由于单节点，读写均在一个节点上进行，读写压力可能比较大
- 存在单点故障问题，一旦出现问题，整个服务都不用
- 存储的数据量也会成为一个瓶颈
优点：
- 结构简单，已部署，已维护，客户端使用起来也方便
主从架构
特点：
- 写数据只能在master上进行
- slave之间互相不能感知
分析：
- 存在主从必定存在数据复制的过程，那么逃不了要面临数据同步延迟问题，也就是数据不一致问题
- 如果master宕机后正好数据同步不及时，那么数据就会丢失
- 由于slave之间不能互相感知，并且又没有另外的类似监控角色存在，所以一旦master宕机，是没办法自动故障转移的，必须人为参与，那么SLA（就是指几个9，或者可用性）必定大打折扣
从MongoDB 3.6 开始已经彻底废弃不使用了
副本集架构
- 有三种角色：Primary，Secondary，Arbiter（可选），下面可能会描述为主节点（Primary）、从节点（Secondary）
- Arbiter不储存数据，只负责投票，并且是可选配置
- Primary节点有且仅有一个
- 在某些特定场合（比如网络出现分区），Primary节点可能出现多个，但通常只有最新的primary节点能正常响应写请求
- Primary会把对数据的所有改动都记录在oplog日志中
- 从节点会同步primary节点的oplog，然后根据oplog进行重放，从而保持与Primary数据同步
- 如果某个时候Primary节点不可用，那么从节点会发起选举要求自己成为主节点
- 在某个情况下（比如成本限制）没有条件部署多余的从节点，此时可以选择部署一个Arbiter，Arbiter只复制选举，不负责数据存储。通过这样的方式既能节约成本，又能保证高可用。比如注意观察下面的图
- 当主节点生产oplog的速率大于从节点复制oplog的速率，那么数据延迟会逐渐增长。当超过一个阈值后，主节点会开启流量控制。
- 主节点流量控制：一言蔽之就是主节点会限制应用写入数据的速度。如何限制呢？ 当主节点开启流控后，应用写入数据前需先请求一个票据（可以理解为token），主节点通过限制票据的生产速度来达到流控的目的
- 当从节点与主节点断开联系超过一定的时间，那么符合条件的从节点会发起选举要求自己成为主节点
- 副本集群在选主过程中，是不能对外提供写服务的（这是一种不可用的表现），但保留了提供读服务的能力。（用不用取决于客户端，客户端可以配置在主节点脱机时是否在从节点上执行）
- 默认情况下，客户端的读操作由主节点完成。但客户端可以通过配置从而让从节点来完成读操作
- 下面的图全部来自于mongodb官网
本质也是主从架构，只是增加了第三个角色：仲裁者（Arbiter），然后更换了角色名以及职责
扩展阅读：https://www.mongodb.com/docs/manual/replication/
特点：
- primary节点负责读写请求的处理（客户端可以指定把读请求交给副本节点完成）
- 整个集群中，各个节点之间有心跳信息，也就是说从节点间能互相感知
- primary节点宕机后，会从seondary节点中选择一个作为新的primay节点对外提供服务
- arbiter节点不存储数据，只进行选主投票
分析：
- 通过增加仲裁者的角色以及节点间互相感知的功能，可以做到故障自动转移
- 仍然存在数据不一致或丢失的问题
系统推荐
- MyBatis
- Notion笔记定时备份
- Redis笔记
- 提取Docker镜像中的文件
- Thread & ExecutorService & ThreadPoolExecutor 总览
- 你真的会拼接字符串吗？
- 常用队列
- 批量修改git历史记录中的用户名和邮箱
- PasteImageIntoMarkdown插件开发
- MySQL索引
- 不重启 JVM，如何替换掉已经加载的类？
- GitHub Workflow突然报错
- 随机毒鸡汤：以不变的薪水，来应万变的物价。