PROSAGA码农传奇-量子传输-ZeroMQ中的锁和关键部分的替代方法是什么（指南）

确实有很多令人兴奋的乐趣
是的，Pieter HINJENS不建议在他的零禅之外采取任何措施。什么都不共享，什么也不锁定……正如您在他的精彩著作中已经多次注意到的那样。

问题的基石是什么- 保护[TIME]数据库服务的数据段的-domain一致反射。

在 分布式系统，[TIME]-domain问题跨越非奇异的境界，因此，更多的问题源于现成的问题。

如果我们知道，没有与系统连接的救生技术（很高兴，此处没有适用的法规+安全性验证），那么可能会有一些技巧可以用ZeroMQ来解决游戏，而无需任何强制性锁定。

在可能的情况下，使用.setsockopt( { ZMQ.CONFLATE | ZMQ.IMMEDIATE }, 1 )基础架构.setsockopt( ZMQ.AFFINITY, ... )以及经过.setsockopt( ZMQ.TOS, ... )延迟调整的硬件基础架构+ O / S +内核端到端设置。

还需要注意的一点是，Python线程模型仍处于GIL锁步进状态下，因此主要的避免冲突方法已经就位。

一个确实非常艰辛的项目：（
ZeroMQ不能也不会避免问题）
无论是
共同定位的决策过程（ES），以便有一个几乎在作出决定的更新数据，-Zero延迟
或
允许非本地决策回吐，但让他们配备了一些强大的规则，基于延迟无补偿的（基本上直到托管的量子纠缠API才发布并确实可以在我们的服务上工作） [TIME] -带有域标记的事件通知-因此也具有一组规则控制的机会来缓和DB数据反射的一致性极端情况，其中任何“较早版本” “ -served DB- READ已在”附近”或“之后”交付，已知DB- WRITE已更改其值- 几乎在同一时间远程观察者都可以看到。

数据库自身的数据一致性由DBMS引擎本身维护。不需要在这里。

让我们想象一下，通过“ ZeroMQ”通信工具来调解数据库访问。风险不在性能扩展方面，ZeroMQ 几乎是线性扩展，而问题在于在[TIME]DBMS引擎外围“后”的任何地方，所提供的“答案”的-域一致性都是问题，一旦进入的分布式系统 领域。

为什么？

由DBMS引擎立即提供的DBMS引擎对读取请求的“本地”数据一致性“答案”，UTC:000,000,000.000 000 000 [s]将在预期的分发路径上经过特定于运输类的旅程，但是-主要原因-直到UTC:000,000,000.??? ??? ??? [s]（取决于各自的运输类和中间平台的工作量）才交付给“远程” 平台。

接下来，可能会有一个额外的主体引入的延迟，这是由原本在各自外观上并发的未协调的流程请求的工作负载引起的，后来由于某种原因（由于ZeroMQ Context()的原因），它们以某种方式被排列成一个纯串行队列。工作或别人的工作。在这些阶段中，队列管理和资源（不可用）可用性的动态增加了另一层延迟不确定性。

总而言之，一个人可以（而且应该）像一群狮子一样为减少等待时间成本而付出的代价与{up | 比起任何容易实现的低落果，更希望获得最小的+可预测的延迟。

DB- READs原则上似乎很容易服务，因为它们看起来像是无锁且彼此之间没有WRITE杂乱无章的关系，但是最初的DB-- request可能已经安排了一些“ answer” -s，尚未发送出到金属丝（和每个这样的数据片段应该已经得到更新/由DBMS本地替换[TIME]-domain“ freshmost ”数据片--- 由于没有人愿意狗打，少到进一步从飞机，这是已经知道了被击落前几分钟接收的镜头，是她......？ ）

这些是在收集作品的过程中已经学过的讲座 分布式系统 精巧的设计经验（实时多人游戏/大规模Ops SIM卡是最好的）。

inproc://传输类是在同一地点进行决策的最佳工具，但在基于Python的生态系统中却无济于事（请参阅GIL-lock-stepping强制执行纯串行执行，并且GIL释放的延迟约为3比几乎 “直接”的RAM读/写s高约5个数量级。

ipc:// 传输类套接字可能跨越同一主机上共处的进程间通信，但是如果一侧使用python，则GIL锁步进仍会“砍掉”您的工作，以最小化累积的延迟，因为常规阻塞会出现在GIL间隔步长和增加的延迟抖动是实时的最坏情况 分布式系统 设计师梦见：o）