分布式基础-CAP理论

CAP概述

    CAP理论：一个分布式系统最多只能同时知足一致性（Consistency）、可用性（Availability）和分区容错性（Partition tolerance）这三项中的两项。

CAP定义

C（一致性）

    一致性指“all nodes see the same data at the same time”，即更新操做成功并返回客户端完成后，全部节点在同一时间的数据彻底一致，因此，一致性，说的就是数据一致性（CAP中的一致性指的是强一致性）。

三种一致性策略

    对于关系型数据库，要求更新过的数据能被后续的访问都能看到，这是强一致性。

    若是能容忍后续的部分或者所有访问不到，则是弱一致性。

    若是通过一段时间后要求能访问到更新后的数据，则是最终一致性。

A（可用性）

    服务一直可用，并且是正常响应时间。

P（分区容错性）

分布式系统在遇到某节点或网络分区故障的时候，仍然可以对外提供知足一致性和可用性的服务。

CAP权衡

    注意：C，A，P三者并非平等的，对于一个分布式系统来讲。P是一个基本要求，CAP三者中，只能在CA二者之间作权衡，而且要想尽办法提高P。故不考虑CA没有P的状况。

CP

    若是一个分布式系统不要求强的可用性，即允许系统停机或者长时间无响应的话，就能够在CAP三者中保障CP而舍弃A。

    一个保证了CP而一个舍弃了A的分布式系统，一旦发生网络故障或者消息丢失等状况，就要牺牲用户的体验，等待全部数据所有一致了以后再让用户访问系统。

    如redis、Zookeeper等。

AP

    要高可用并容许分区，则需放弃一致性。一旦网络问题发生，节点之间可能会失去联系。为了保证高可用，须要在用户访问时能够立刻获得返回，则每一个节点只能用本地数据提供服务，而这样会致使全局数据的不一致性。

    如1230六、电商系统等

    可是，放弃了C，只是放弃了强一致性，系统仍会保证最终一致性。好比12306买票，你按照正常流程，付完款以后，过了一段时间，12306提示你出票失败，这就是最终一致性的表现。

参考

http://www.hollischuang.com/archives/666