SQL同一个实列下的两个数据库怎么访问，因为是同一个实例下，需要用链接服务器吗？

直接

[数据库名][用户名][表名或对象名]

当然你得有访问权限（比如select、update、execute等）

服务器1数据库1表1里有字段a1,b1,c1,d1;

服务器2数据库2表2里有字段a2,b2,c2,d2;

服务器3数据库3表3里有字段a3,b3,c3,d3,e3;（此表现无数据）

需要将表1中a1,b1字段,表2中c2,d2字段插入到表3中的a3,b3,c3,d3字段里

连接服务器失败不要着急，面对这个问题要针对以下几个方面去看1先检查自己的网络，看看是不是自身的网络问题，导致服务器连接失败。2检查自己连接服务器的设备看看是不是哪里做了什么设置，导致服务器连接失败。3检查自己服务器硬件，自己不会的话可以联系你的服务器服务商协助你检查一下。希望对你有帮助
csgo加入游戏失败出现无法连接的问题时，其实导致问题的原因很简单，最有效最直接的方法就是更换个网游加速。
请确保网游加速和CSGO服务器地址没有问题时（比如能玩平台上其他游戏或者可以正常浏览国外网页），那么我们需要重新更新一下电脑DNS以及IP缓存。
02
csgo加入游戏失败首先请重启路由器以及电脑，然后打开IPV4协议把DNS改为自动获取，或者114114114114
03
如果csgo依然加入游戏失败以管理员模式打开CMD然后输入“netsh winsock reset”然后在输入“ipconfig /flushdns”，然后重启电脑把DNS改为自动获取或者114114114114 就没有问题了
04
如果还不行就重新下载steam游戏平台恢复下默认设置吧
05
还有一种原因就是服务器被防火墙拦截了，关闭防火墙即可。菜单上点右键，打开控制面板。
06
点开WINDOWS防火墙。
07
点击启用或关闭WINDOWS防火墙。
08
两次选择关闭防火墙，然后点确定，防火墙就关闭了。再次打开游戏即可

最近在学习ZooKeeper，一直想写篇相关博文记录下学习内容，碍于自己是个拖延症重度患者总是停留在准备阶段，直到今天心血来潮突然想干点什么，于是便一不做二不休，通过对《从Paxos到Zookeeper 分布式一致性原理与实践》一书中ZAB相关内容的总结，以及对一些优秀博文的整理码出来这篇简文。本文首先对ZooKeeper进行一个简单的介绍，然后重点介绍ZooKeeper采用的ZAB（ZooKeeper Atomic Broadcast）一致性协议算法，加深自己对ZAB协议的理解的同时也希望与简友们一起分享讨论。

ZooKeeper是一个具有高效且可靠的分布式协调服务， 由Yahoo创建的基于Google的Chubby开源实现，并于2010年11月正式成为Apache软件基金会的顶级项目。

ZooKeeper是一个典型的分布式数据一致性解决方案，分布式应用程序可基于它实现诸如数据发布/订阅、负载均衡、命名服务、分布式协调/通知、集群管理、Master选举、分布式锁和分布式队列等功能。

保证如下分布式一致性特性

顺序一致性

从同一个客户端发起的事务请求，最终将会严格地按照其发生顺序被应用到ZooKeeper中。

原子一致性

所有事务请求的处理结果在整个集群中所有机器上的应用情况是一致的，即要么整个集群所有机器都成功应用了某一个事务，要么都没有应用，一定不会出现集群中部分机器应用了该事务，而另外一部分没有应用的情况。

单一视图

无论客户端连接的是哪个ZK服务器，其看到的服务端数据模型都是一致的。

可靠性

一旦服务端成功地应用了一个事务并完成对客户端的响应，那么该事务所引起的服务端状态变更将会被一直保留下来，除非另外一个事务又对其进行了变更。

实时性

通常人们看到实时性的第一反应是，一旦一个事务被成功应用，那么客户端能够立即从服务端上读取到这个事务变更后的最新数据状态。但这个需要注意的是， ZooKeeper仅仅保证在一定时间段内 ， 客户端最终一定能够从服务端上读取到最新的数据状态 。

Leader 一个ZooKeeper集群同一时间只会有一个实际工作的Leader，它会发起并维护与各Follwer及Observer间的心跳。所有的写 *** 作必须要通过Leader完成再由Leader将写 *** 作广播给其它服务器。

Follower 一个ZooKeeper集群可能同时存在多个Follower，它会响应Leader的心跳。Follower可直接处理并返回客户端的读请求，同时会将写请求转发给Leader处理，并且负责在Leader处理写请求时对请求进行投票。

Observer 角色与Follower类似，但是无投票权。

ZooKeeper Atomic Broadcast (ZAB, ZooKeeper原子消息广播协议)是ZooKeeper实现分布式数据一致性的核心算法，ZAB借鉴Paxos算法，但又不像Paxos算法那样，是一种通用的分布式一致性算法， 它是一种特别为ZooKeeper专门设计的支持崩溃恢复的原子广播协议 。

ZAB协议的核心是定义了对于那些会改变ZooKeeper服务器数据状态的事务请求处理方式，即：

所有事务请求必须由一个全局唯一的服务器来协调处理，这样的服务器被称为Leader服务器，而余下的其他服务器称为Follower服务器。Leader服务器负责将一个客户端事务请求转换成一个事务Proposal(提议)，并将该Proposal分发给集群中所有的Follower服务器。之后Leader服务器需要等待所有的Follower服务器的反馈，一旦超过半数的Follower服务器进行了正确的反馈后，那么Leader就会再次向所有的Follower服务器分发Commit消息，要求其将前一个Proposal进提交。

ZAB协议整体可划分为两个基本的模式： 消息广播和崩溃恢复

按协议原理可细分为四个阶段： 选举（Leader Election）、发现（Discovery）、同步（Synchronization）和广播(Broadcast)

按协议实现分为三个时期： 选举（Fast Leader Election）、恢复(Recovery Phase)和广播(Broadcast Phase)

ZAB协议的消息广播过程使用的是一个原子广播协议，类似于一个二阶段提交过程。针对客户端的事务请求，Leader服务器会为其生成对应的事务Proposal，并将其发送给集群中其余所有的机器，然后在分别收集各自的选票，最后进行事务提交，此处与二阶段提交过程略有不同，ZAB协议的二阶段提交过程中， 移除了中断逻辑 ，所有的Follower服务器要么正常反馈Leader提出的事务Proposal，要么就抛弃Leader服务器。同时，ZAB协议将二阶段提交中的中断逻辑移除意味着 我们可以在过半的Follower服务器已经反馈Ack之后就开始提交事务Proposal了，而不需求等待集群中所有的Follower服务器都反馈响应 。

然而，在这种简化的二阶段提交模型下，无法处理Leader服务器崩溃退出而带来的数据不一致问题，因此ZAB协议添加了 崩溃恢复 模式来解决这个问题，另外，整个消息广播协议是基于有FIFO特性的TCP协议来进行网络通信的，因此很容易地保证消息广播过程中消息接收和发送的顺序性。

在整个消息广播过程中，Leader服务器会为每个事务请求生成对应的Proposal来进行广播，并且在广播事务Proposal之前，Leader服务器会首先为这个事务Proposal分配一个全局单调递增的唯一ID，我们称之为事务ID(即ZXID)。由于ZAB协议需要保证每一个消息严格的因果关系，因此必须将每一个事务Proposal按照其ZXID的先后顺序进行排序和处理。

具体的，在消息广播过程中，Leader服务器会为每个Follower服务器都各自分配一个单独的队列，然后将需要广播的事务Proposal依次放入这些队列中取，并且根据FIFO策略进行消息发送。每一个Follower服务器在接收到这个事务Proposal之后，都会首先将其以事务日志的形式写入本地磁盘中，并且成功写入后反馈给Leader服务器一个Ack相应。当Leader服务器接收到过半数Follower的Ack响应后，就会广播一个Commit消息给所有的Follower服务器以通知其进行事务提交，同时Leader自身也会完成对事务的提交，而每个Follower服务器在接收到Commit消息后，也会完成对事务的提交。

上面讲解的ZAB协议的这个基于原子广播协议的消息广播过程，在正常运行情况下运行非常良好，但是一旦Leader服务器出现崩溃或者由于网络原因导致Leader服务器失去了与过半Follower的联系，那么就会进入崩溃恢复模式。在ZAB协议中，为了保证程序的正确运行，整个恢复过程结束后需要选举出一个新的Leader服务器。因此，ZAB协议需要一个高效且可靠的Leader选举算法，从而确保能够快速选举出新的Leader。同时，Leader选举算法不仅仅需要让Leader自己知道其自身已经被选举为Leader，同时还需要让集群中的所有其他服务器也快速地感知到选举产生的新的Leader服务器。崩溃恢复主要包括Leader选举和数据恢复两部分，下面将详细讲解 Leader选举和数据恢复流程 。

现有的选举算法有一下四种： 基于UDP的LeaderElection 、 基于UDP的FastLeaderElection 、 基于UDP和认证的FastLeaderElection 和 基于TCP的FastLeaderElection ，在3410版本中弃用其他三种算法

myid —— zk服务器唯一ID

zxid ——  最新事务ID

高32位 是Leader的 epoch ，从1开始，每次选出新的Leader，epoch加一；

低32位 为该epoch 内的序号 ，每次epoch变化，都将低32位的序号重置；

保证了zkid的 全局递增性 。

logicClock 表示这是该服务器发起的第多少轮投票，从1开始计数

state 当前服务器的状态

self_id 当前服务器的 唯一ID

self_zxid 当前服务器上所保存的数据的 最大事务ID ，从0开始计数

vote_id 被推举的服务器的 唯一ID

vote_zxid 被推举的服务器上所保存的数据的 最大事务ID ，从0开始计数

LOOKING  不确定Leader状态。该状态下的服务器认为当前集群中没有Leader，会发起Leader选举。

FOLLOWING  跟随者状态。表明当前服务器角色是Follower，并且它知道Leader是谁。

LEADING  领导者状态。表明当前服务器角色是Leader。

OBSERVING  观察者状态， 不参与选举 ，也不参与集群写 *** 作时的投票。

能够确保提交已经被Leader提交的事务Proposal，同时丢弃已经被跳过的事务Proposal。针对这个要求，如果让Leader选举算法能够保证新选举出来的Leader服务器拥有集群中所有机器最高编号(即ZXID最大)的事务Proposal，那么就可以保证这个新选举出来的Leader一定具有所有已经提交的提案。更为重要的是，如果让具有最高编号事务Proposal的机器成为Leader，就可以省去Leader服务器检查Proposal的提交和丢弃工作的这一步 *** 作了。

ZooKeeper规定所有有效的投票都必须在同一轮次中。每个服务器在开始新一轮投票时，会先对自己维护的logicClock进行自增 *** 作。

每个服务器在广播自己的选票前，会将自己的投票箱清空。该投票箱记录了所收到的选票。例：服务器2投票给服务器3，服务器3投票给服务器1，则服务器1的投票箱为(2, 3), (3, 1), (1, 1)。 票箱中只会记录每一投票者的最后一票 ，如投票者更新自己的选票，则其它服务器收到该新选票后会在自己票箱中更新该服务器的选票。

每个服务器最开始都是通过广播把票投给自己。

服务器会尝试从其它服务器获取投票，并记入自己的投票箱内。如果无法获取任何外部投票，则会确认自己是否与集群中其它服务器保持着有效连接。如果是，则再次发送自己的投票；如果否，则马上与之建立连接。

根据选票logicClock -> vote_zxid -> vote_id依次判断

1 判断选举轮次

收到外部投票后，首先会根据投票信息中所包含的logicClock来进行不同处理：

外部投票的logicClock > 自己的logicClock:   说明该服务器的选举轮次落后于其它服务器的选举轮次，立即清空自己的投票箱并将自己的logicClock更新为收到的logicClock，然后再对比自己之前的投票与收到的投票以确定是否需要变更自己的投票，最终再次将自己的投票广播出去;

外部投票的logicClock < 自己的logicClock: 当前服务器直接忽略该投票，继续处理下一个投票;

外部投票的logickClock = 自己的: 当时进行选票PK。

2 选票PK

选票PK是基于(self_id, self_zxid)与(vote_id, vote_zxid)的对比：

若logicClock一致，则对比二者的vote_zxid，若外部投票的vote_zxid比较大，则将自己的票中的vote_zxid与vote_myid更新为收到的票中的vote_zxid与vote_myid并广播出去，另外将收到的票及自己更新后的票放入自己的票箱。如果票箱内已存在(self_myid, self_zxid)相同的选票，则直接覆盖

若二者vote_zxid一致，则比较二者的vote_myid，若外部投票的vote_myid比较大，则将自己的票中的vote_myid更新为收到的票中的vote_myid并广播出去，另外将收到的票及自己更新后的票放入自己的票箱

如果已经确定有过半服务器认可了自己的投票（可能是更新后的投票），则终止投票。否则继续接收其它服务器的投票。

投票终止后，服务器开始更新自身状态。若过半的票投给了自己，则将自己的服务器状态更新为LEADING，否则将自己的状态更新为FOLLOWING。
注： 图中箭头上的(1,1,0) 三个数一次代表该选票的服务器的 LogicClock 、被推荐的服务器的myid (即 vote_myid ) 以及被推荐的服务器的最大事务ID(即 vote_zxid )；

(1, 1) 2个数分别代表投票服务器myid(即 self_myid )和被推荐的服务器的myid (即 vote_myid )

选举流程如下:

自增选票轮次&初始化选票&发送初始化选票

首先，三台服务器自增选举轮次将LogicClock=1；然后初始化选票，清空票箱；最后发起初始化投票给自己将各自的票通过广播的形式投个自己并保存在自己的票箱里。

接受外部投票&更新选票

以Server 1 为例，分别经历 Server 1 PK Server 2 和 Server 1 PK Server 3 过程

Server 1 PK Server 2

Server 1 接收到Server 2的选票(1,2,0) 表示，投票轮次LogicClock为1，投给Server 2，并且Server 2的最大事务ID，ZXID 为0；

这时Server 1将自身的选票轮次和Server 2 的选票轮次比较，发现 LogicClock=1相等 ，接着Server 2比较比较最大事务ID，发现也 zxid=0也相等 ，最后比较各自的myid，发现Server 2的 myid=2 大于自己的myid=1 ；

根据选票PK规则，Server 1将自己的选票由 (1, 1) 更正为 (1, 2)，表示选举Server 2为Leader，然后将自己的新选票 (1, 2)广播给 Server 2 和 Server 3，同时更新票箱子中自己的选票并保存Server 2的选票，至此Server 1票箱中的选票为(1, 2) 和 (2, 2)；

Server 2收到Server 1的选票同样经过轮次比较和选票PK后确认自己的选票保持不变，并更新票箱中Server 1的选票由(1, 1)更新为(1, 2)，注意此次Server 2自己的选票并没有改变所有不用对外广播自己的选票。

Server 1 PK Server 3

更加Server 1 PK Server 2的流程类推，Server 1自己的选票由(1, 2)更新为(1, 3), 同样更新自己的票箱并广播给Server 2 和 Server 3；

Server 2再次接收到Server 1的选票(1, 3)时经过比较后根据规则也要将自己的选票从(1, 2)更新为(1, 3), 并更新票箱里自己的选票和Server 1的选票，同时向Server 1和 Server 3广播；

同理 Server 2 和 Server 3也会经历上述投票过程，依次类推，Server 1 、Server 2 和Server 3 在俩俩之间在经历多次 选举轮次比较 和 选票PK 后最终确定各自的选票。

选票确定后服务器根据自己票箱中的选票确定各自的角色和状态，票箱中超过半数的选票投给自己的则为Leader，更新自己的状态为LEADING，否则为Follower角色，状态为FOLLOWING，

成为Leader的服务器要主动向Follower发送心跳包，Follower做出ACK回应，以维持他们之间的长连接。
1《从Paxos到Zookeeper 分布式一致性原理与实践》 [倪超著]

2 《实例详解ZooKeeper ZAB协议、分布式锁与领导选举》

3《ZooKeeper’s atomic broadcast protocol:Theory and practice》[Andr ́e Medeiros]

文件服务器、数据库服务器、邮件服务器。
文件服务器是指在计算机网络中,以文件数据的存储与共享为主要功能的服务器,负责中央存储和数据文件管理,处于同一网络环境。数据库服务器因为数据文件的重要性及数据的文件都较大,数据库服务器一般是指运行在网络中的一台或多台服务器和数据库管理系统软件，邮件服务器。
文件服务器（Fileserver），又称档案伺服器，是指在计算机网络环境中，所有用户都可访问的文件存储设备，是一种专供其他电脑检索文件和存储的特殊电脑。文件服务器通常比一般的个人电脑拥有更大的存储容量，并具有一些其他的功能，如磁盘镜像、多个网络接口。

云服务器常见的特征有哪些呢？相信很多朋友都是听说过云服务器。云服务器的第一个特征就是密度高，也许你你对于这个密度高，不是那么容易理解。因为毕竟这个概念一直以来都没有被解释的非常的清楚。我们可以非常简单的把它理解一下，就是所谓的在服务器集群里面，可能大家以前租用过虚拟主机这类东西。这些东西就是比较单一的主机了，而如果是采用云服务的模式的话，那么在一个机房里面可能就有几百甚至上千上万的服务器同时存在，而且服务器会大量的集成在一个地方，这就是所谓的高密度，下面来介绍一下这种服务器的其他的一些特征。

云服务器第二个重要的特征就是扩展性很强，由于本身就是虚拟化的，那么一切的东西都是可以虚拟化，比如说你的CPU可以虚拟化，你的内存和你的固定的存储空间也可以虚拟化，甚至连你在云服务上面的 *** 作系统都是可以虚拟化出来的。还有一个重要的特征就是可以进行并行计算，这是这种服务器的一个非常重要的地方，所谓的并行计算，相信大家是能够理解的，那就是用一些闲置不用的资源来进行运算，而且通过一系列的调度可以把运算能力进行合理的分配，从而保证了整个服务器可以一直拥有高效的运算能力。有很多提供云服务的商家采用的都是国际上的一些大型的软件厂商提供的并行计算策略，利用这种策略可以把大量的闲置的资源合理的调度起来来进行计算分析，从而使得云服务主机可以一直保持非常快速非常稳定的运行状态，而不用担心会出现卡顿延迟等各种问题。

云服务器第三个特性就是有很负载均衡功能，因为这种服务器其实是虚拟化出来的，那么在服务器运算能力不足的情况下，可以调动其它的硬件资源来进行并行运算，从而可以使得其计算能力得到大幅提升，当一个虚拟出来的服务器不需要大量的运算的时候，就可以把富余出来的资源提供给其他需要计算的云主机，这样就可以让整个服务器的资源得到更为有效的利用，从而极大的避免了资源的消耗和闲置，同时也保证了服务器可以很均衡稳定的运行。云计算以及云服务是未来发展的一个十分重要的方向，已经有大量客户使用云服务搭建网站或开展自己的网络业务。

人数最多的服务器Top3
类型
服务器名
开服日期
更新时间
总人数
PVE 白银之手 2005-4-26 2013-09-06 8658
PVP 影之哀伤 2011-7-12 2013-09-06 8384
PVP 安苏 2008-12-12 2013-09-06 8204
平衡
联盟:部落 差距最小的服务器Top10
类型
服务器名
开服日期
更新时间
PVP 血槌 2008-4-15 2013-09-06 1 1
PVP 午夜之镰 2005-9-10 2013-09-06 1 1
PVP 达隆米尔 2013-09-06 418 400
PVP 符文图腾 2013-09-06 581 534
PVP 末日祷告祭坛 2011-8-9 2013-09-06 960 879
PVP 海克泰尔 2013-09-06 1603 1447
PVP 塞拉摩 2007-9-28 2013-09-06 1442 1600
PVE 迦拉克隆 2010-8-31 2013-09-06 3569 3169
PVP 双子峰 2012-10-02 2013-09-06 225 257
PVP 拉文凯斯 2005-4-26 2013-09-06 2444 1844

---