CAP 理论

CAP 是反应了分布式系统中的三个指标：Consistency (一致性), Availlability （可用性）Partion Tolerance（分区容错性）。

CAP 理论的核心是说 ，C、A 、P 这三个指标不能同时做到。

CAP 理论_开发者社区

Consistency（一致性）

指数据在多个副本之间能够保持一致的特性（严格的一致性）

Availability（可用性）

指系统提供的服务必须一直处于可用的状态，每次请求都能获取到非错的响应（不保证获取的数据为最新数据）

Partition tolerance（分区容错性）

分布式系统在遇到任何网络分区故障的时候，仍然能够对外提供满足一致性和可用性的服务，除非整个网络环境都发生了故障

为啥不能同时满足？

比如说 G1 G2 两台跨区服务器。G1 向  G2 发送一条消息，G2 是收不到的，这样分区问题就必须考虑， 也就是分区容错性。一般来说 P（分区容错是要成立的）。剩下的C 与 A 是无法同时满足的。CAP 理论_开发者社区_02

G1 G2 服务器开始都是 v0 但是对 G1 进行了写操作，记录变成了 v1 。CAP 理论_开发者社区_03

CAP 理论_分布式系统_04

用户向 G1 发起读操作，返回v1; G2 返回的是 v0 这样就不一致了。

CAP 理论_开发者社区_05

为了数据一致性，也就是为了让 G2 也变成为 v1,就要在 G1 写操作的时候， 让 G1 向 G2 发送一条消息，要求 G2 改成 v1。这样下次读的时候，读到的就是 v1。

但是要注意的是，在 G1 向 G2 的同步过程中, G2 是不可用的，只有等数据同步完之后，才放开读写，这样才能保证一致性。否则在同步过程中，放开读写，这样数据就不一致了。

BASE 理论

Base 理论，也叫做基本可用，是采用合适的方式达到最终一致性（Eventual Consitency）。

  • (Basically Available) 基本可用

分布式系统出现故障的时候，允许损失部分可用性，保证核心可用。

  • Soft State(软状态)

接受一段时间的状态不同步，与中介状态，而改中间状态不影响整体的可用性。这里中间状态就是 CAP 理论中的数据不一致。

  • Eventually Consistent 最终一致性

不可能一直都是软状态，必须有个时间期限，数据最终一定能达到一致的状态，一次所有客户端对系统的数据访问最终都能够获取最新的值。

参考资料

  • 英文版的：https://mwhittaker.github.io/blog/an_illustrated_proof_of_the_cap_theorem/

  • CAP 定理的含义：http://www.ruanyifeng.com/blog/2018/07/cap.html

CAP 理论_分布式系统_06