應用伺服器的高可用架構設計主要基於服務無狀態這一特性，但是事實上，業務總是有狀態的，在交易類的電子商務**，需要有購物車記錄使用者的購買資訊，使用者每次購買請求都是向購物車中增加商品；在社交類的**中，需要記錄使用者的當前登入狀態、最新發布的訊息及好友狀態等，使用者每次重新整理頁面都需要更新這些資訊。
在**中，http請求是無狀態的。也就是說即使第一次和伺服器連線後並且登入成功後，第二次請求伺服器依然不能知道當前請求是哪個使用者。cookie的出現就是為了解決這個問題，第一次登入後伺服器返回一些資料（cookie）給瀏覽器，然後瀏覽器儲存在本地，當該使用者傳送第二次請求的時候，就會自動的把上次請求儲存的cookie資料自動的攜帶給伺服器，伺服器通過瀏覽器攜帶的資料就能判斷當前使用者是哪個了。cookie儲存的資料量有限，不同的瀏覽器有不同的儲存大小，但一般不超過4kb。因此使用cookie只能儲存一些小量的資料。
session和cookie的作用有點類似，都是為了儲存使用者相關的資訊。不同的是，cookie是儲存在本地瀏覽器，而session儲存在伺服器。儲存在伺服器的資料會更加的安全，不容易被竊取。但儲存在伺服器也有一定的弊端，就是會占用伺服器的資源，但現在伺服器已經發展至今，一些session資訊還是綽綽有餘的。
web開發發展至今，cookie和session的使用已經出現了一些非常成熟的方案。在如今的市場或者企業裡，一般有兩種儲存方式：
1、儲存在服務端：通過cookie儲存乙個session_id，然後具體的資料則是儲存在session中。如果使用者已經登入，則伺服器會在cookie中儲存乙個session_id，下次再次請求的時候，會把該session_id攜帶上來，伺服器根據session_id在session庫中獲取使用者的session資料。就能知道該使用者到底是誰，以及之前儲存的一些狀態資訊。這種專業術語叫做server side session。
2、將session資料加密，然後儲存在cookie中。這種專業術語叫做client side session。flask採用的就是這種方式，但是也可以替換成其他形式。
客戶端請求時nginx通過負載排程演算法將請求排程至某一后端伺服器;並把session儲存到兩台memcached中;客戶端重新整理(不換瀏覽器)時,請求換成另乙個後端伺服器響應時session id保持不變;
（1）當在nginx配置檔案中加入ip_hash；
ip_hash將同乙個使用者的請求進行固定後端的繫結 當server2掛掉後，反向**會調轉到server3上，但此時的session已經發生變化，仍然保持不了server2的session
（2）交叉儲存我存乙份，然後給對方的memcache裡面也存乙份
如果我的服務（tomcat）宕機了，對方也可以讀取到我的session資訊
[root@server2 lib]# pwd
/usr/local/tomcat/lib
[root@server2 lib]# rm -fr memcached-session-manager-tc6-1.6.3.jar # 因為我們的tomcat是7版本的，所以6版本的我們用不上，刪除即可，否則可能影響
通過反向**，如果後端的一台服務掛掉，我們將使用者的請求調向後端的一台新的伺服器，保持之前的會話session資訊
可以看到
server2的session在server3上面儲存了乙份
將server2的tomcat服務shutdown後，進行頁面重新整理
server3的session寫到了server2的memcache
同時server3也可以通過memcache讀到剛才儲存到的server2的session資訊
apache安裝 簡單配置負載均衡和會話保持
首先安裝apache依賴的apr和apr util 2.解壓 tar xzvf apr 1.5.1.tar.gz 3.進入解壓目錄,依次執行 1 2 3 configure make makeinstall 5.解壓 tar xzvf apr util 1.5.4.tar.gz 6.進入解壓目錄,依...
python會話 python會話？
這可能是乙個老問題，但我面臨著同樣的問題 python中沒有內建的會話支援。我編寫了乙個簡單的會話處理程式，可能對某些人有用 usr bin python coding utf 8 import tempfile import hashlib import os import time import...
Tensorflow建立會話，啟動會話
import tensorflow as tf 定義乙個常量 m1 tf.constant 3,3 這是乙個一行兩列的資料 print m1 m2 tf.constant 2 3 print m2 輸出 tensor const 5 0 shape 1,2 dtype int32 tensor co...