三：CAP与Base理论

CAP:

  C：一致性：在分布式系统中是指多个副本之间可否保持一致性；

  A：可用性：系统提供的服务必须一直处于可用的状态,对于用户的每个请求老是在有限的时间内返回结果；

  P：分区容错性：该特性约束了分布式系统须要具有如下特性：分布式系统遇到网络分区故障的时候，仍然须要能保证对外提供知足一致性和可用性的服务，除非整个网络环境都发生故障。

 

CAP定理示意图

 

因而可知要想三方面都与考虑到，那是不可能，咱们只能妥协，

放弃CAP	说明
放弃A	若是但愿可以避免分区容错性，那么最简单的方法就是将全部的数据放到分布式的一个节点上，可是有一点就是放弃P就意味着放弃了系统扩展的可能性。
放弃C	相对于放弃“分区容错性”来讲，放弃可用性正好相反，其作法就是一旦系统遇到网络分区或其余故障的时候，那么影响的服务就须要等待一段时间，由于等待期间系统没法对外提供服务，即不可用。
放弃P	这里说的放弃一致性，并非彻底不须要数据一致性，若是是那样的话，系数据就没有什么意义，系统也就没有什么意义。     事实上，此处所说的放弃一致性是指放弃强一致性，保存了数据最终一致性，这样的系统没法保证数据实时一直，可是承诺的是，数据最终会达到一个一致的状态。具体多久能达到一致性，取决于系统的设计，主要就是不一样副本之间数据的复制时间长短

 

由此能够看出，咱们不可能丢弃A和C，只能在P上面作文章，

Base定理：

     Basically Available：基本可用，分布式系统出现不可预知的错误的时候，容许损失部分可用性，可是绝对不等于系统不可用；

     Soft State：软状态：和强状态对应，是指容许系统中的数据存在中间状态，而且认为该中间状态不会影响系统的可用性，即容许系统不一样节点之间的数据副本复制存在延时；

     Eventually consistent：最终一致性  ，最终一致性强调的是系统中全部的数据副本，在通过一段时间的同步事后，最终能达到一个一致性的状态。所以最终一致性的本质就是须要系统保证数据最终能达到一致，可是不须要实时保持数据一致的状况。

 

综上咱们会发现基本都是在分区一致性上作文章，待续...