咚咚异地多活建设探索

首先什么是异地多活？

我们认为只有做到以下三点目标的才是一个多活业务：

1. 多个跨地域的数据中心 ：异地的距离1000KM以上的范围，在中国范围内全国城市都可以去步；

2. 多点写 ：每个数据中心都要承担用户的读写流量；

3. 分钟级切换 ：任意一个数据中心出问题，其他中心都可以分钟级去接管用户的流量。

那异地多活的出发点是什么呢，我们为什么要做异地多活？

我们认为主要有以下两个原因：

1. 扩展需要 ：随着咱们京东业务多元化发展，如电商，物流，金融等业务发展，单个分布式体系集群通过加机器，逐渐变得巨大，从而一定会在某个点上达到瓶颈。单个城市机房和网络容量资源也是有限的，因此提出了对异地部署的需求。

2. 容灾需要 ：天灾，人祸都会影响业务可用性（如地震等自然灾害，光纤挖断等人为因素），如何保证业务持续可用？这也是一个重要的出发点。

既然选择了做异地多活，那么异地多活面临着哪些问题和挑战呢？

最大的问题 是延时 ：

如1000+km大约30ms的网络延迟，看起来没什么，对用户来讲，如果只是增加30ms，其实基本感受不到。而实际在打开一个商品或订单页面时，背后有几十甚至上百次与后端交互，如果这么多次全部跨地域完成，意味着页面的响应时间将增加3s。对用户体验来说，页面打开很慢，甚至很多页面超时出不来了，这第一点是直接带来是业务产品不可用。对系统来说，当响应时间增高的时候，意味着同等QPS的要求下，将需付出更大的成本，因为原本吞吐能力下降了。

最大的挑战 是一致性 ：

针对延时问题，采用多点写能解决这一点。但是，只要多点写了就会带来第二个最复杂的问题：数据一致性问题，也是最致命的。如订单交易多点写，用户两次访问分别在A数据中心、B数据中心写，两条数据如合不到一起的话。对用户最直观的感受是买了一个东西付了钱，然后看到可能是没付钱。或者买了一个东西，压根就没有看到购买记录。因此，多点写最大的挑战是怎么保证用户写入的数据一定是正确的地方，且是一致的。