大型网站一致性的基础理论－－－CAP/BASE

最近在看《大型网站系统与java中间件事件》这本书，收获颇多。

 

分布式事务但愿在多机环境下能够像单机系统那样作到强一致，这须要付出比较大的代价。而在有些场景下，接受状态并不用时刻保持一致，只要最终一直就行。

CAP(Consistency Availability Partition-Tolerance)

Consistency: 即全部的节点在同一时间读到一样的数据，这就是数据上的一致性。

Availability: 保证不管时成功仍是失败，每一个请求都可以收到一个反馈。这里的重点是系统必定要有响应。

Partition-Tolerance:即使系统中有部分问题或者有消息的丢失，但系统仍可以继续运行。这被称为分区容忍性。

 

可是，在分布式系统中并不能同时知足上面三项。

1 选择CA，放弃分区容忍性，增强一致性和可用性。这其实就是传统的单机数据库的选择。

2 选择AP，放弃一致性，追求分区容忍性及可用性。这是不少分布式系统在设计时的选择，例如不少nosql系统就是如此。

3 选择CP，放弃可用性，追求一致性和分区容忍性。这种选择下的可用性会比较低，网络的问题会直接让整个系统不可用。

从上面的分析能够看出，在分布式系统中，咱们通常仍是选择增强可用性和分区容忍性而牺牲一致性，而是首先知足A和P，而后看如何解决C的问题。

 

BASE(Basically Available Soft state Eventually consistent)

Basically Available: 基本可用，容许分区失败。

Soft state: 软状态，接受一段时间的状态不一样步。

Eventually consistent: 最终一致，保证最终数据的状态时一致的。

 

当咱们在分布式系统中选择了CAP中的A和P后，对于C，咱们采用的方式策略就是保证最终一致，也就是不保证数据变化后全部节点马上一致，可是保证它们最终是一致的。在大型网站中，为了更好地保持扩展性和可用性，通常都不会选择强一致性，而是采用最终一致的策略来实现。