Linux下分布式系统以及CAP理论分析

时间 2019-11-10

原文原文链接

CAP理论被不少人拿来做为分布式系统设计的金律，然而感受你们对CAP这三个属性的认识却存在很多误区，那么什么是CAP理论呢？CAP本来是一个猜测，2000年PODC大会的时候大牛Brewer提出的，他认为在设计一个大规模可扩放的网络服务时候会遇到三个特性：一致性（consistency）、可用性（Availability）、分区容错（partition-tolerance）都须要的情景，然而这是不可能都实现的。以后在2003年的时候，Mit的Gilbert和Lynch就正式的证实了这三个特征确实是不能够兼得的。数据库

CAP是Consistency、Availablity和Partition-tolerance的缩写。分别是指：
1）一致性（Consistency）：每次读操做都能保证返回的是最新数据。也就是说全部的节点数据一致！
2）可用性（Availablity）：任何一个没有发生故障的节点，会在合理的时间内返回一个正常的结果。也就是说一个或者多个节点失效，不影响服务请求！
3）分区容忍性（Partition-torlerance）：当节点间出现网络分区，照样能够提供服务。也就是说节点间的网络链接失效，仍然能够处理请求！网络

其实，任何一个分布式系统，须要知足这三个中的两个。CAP理论指出：CAP三者只能取其二，不可兼得。其实这一点很好理解，理由以下：
1- 首先，单机都只能保证CP。
2- 有两个或以上节点时，当网络分区发生时，集群中两个节点不能相互通讯（也就是说不能保证可用性A）。此时若是保证数据的一致性C，那么必然会有一个节点被标记为不可用的状态，违反了可用性A的要求，只能保证CP。
3- 反正，若是保证可用性A，即两个节点能够继续各自处理请求，那么因为网络不通不能同步数据，必然又会致使数据的不一致，只能保证AP。异步

1、单实例
单机系统和显然，只能保证CP，牺牲了可用性A。单机版的MySQL，Redis，MongoDB等数据库都是这种模式。分布式

实际中，咱们须要一套可用性高的系统，即便部分机器挂掉以后仍然能够继续提供服务。spa

2、多副本线程

相比于单实例，这里多了一个节点去备份数据。
对于读操做来讲，由于能够访问两个节点中的任意一个，因此可用性提高。设计

对于写操做来讲，根据更新策略分为三种状况：
1）同步更新：即写操做须要等待两个节点都更新成功才返回。这样的话若是一旦发生网络分区故障，写操做便不可用，牺牲了A。
2）异步更新：即写操做直接返回，不须要等待节点更新成功，节点异步地去更新数据（FastDFS文件系统的存储节点就是用这种方式，写完一份数据以后当即返回结果，副本数据由同步线程写入其余同group的节点）。这种方式，牺牲了C来保证A，即没法保证数据是否更新成功，还有可能会因为网络故障等缘由，致使数据不一致。
3）折衷：更新部分节点成功后便返回。blog

3、分片同步

相比于单实例，这里多了一个节点去分割数据。
因为全部数据只有一份，一致性得以保证；节点间不须要通讯，分区容忍性也有。
然而，当任意一个节点挂掉，丢失了一部分的数据，系统可用性得不到保证。it

综上，这和单机版的方案同样，都只能保证CP。

那么，有哪些好处呢？
1）某个节点挂掉只会影响部分服务，即服务降级；
2）因为分片了数据，能够均衡负载；
3）数据量增大/减少后能够相应的扩容/缩容。

大多数的数据库服务都提供了分片的功能。如Redis的slots，Cassandra的patitions，MongoDB的shards等。
基于分片解决了数据量大的问题，但是咱们仍是但愿咱们的系统是高可用的，那么，如何牺牲必定的一致性去保证可用性呢？

4、集群

能够看到，上面这种方式综合了前两种方式。同上分析，采用不一样的数据同步策略，系统CAP保证各有不一样。不过，通常数据库系统都会提供可选的配置，咱们根据不一样的场景选择不一样的特性。
其实，对于大多数的非金融类互联网公司，要求并不是强一致性，而是可用性和最终一致性的保证。这也是NoSQL流行于互联网应用的一大缘由，相比于强一致性系统的ACID原则，它更加倾向于BASE：
- Basically Available：基本可用性，即容许分区失败，除了问题仅服务降级；
- Soft-state：软状态，即容许异步；
- Eventual Consistency：最终一致性，容许数据最终一致性，而不是时刻一直。

5、总结基本上，上面讨论的几种方式已经涵盖了大多数的分布式存储系统了。其实对于大规模分布式系统来讲，CAP是很是稳固的，能够扩展的地方也很少。它很大程度上限制了大规模计算的能力，经过一些设计方式来绕过CAP管辖的区域或许是下一步大规模系统设计的关键。能够看到，这些个方案老是须要经过牺牲一部分去换取另外一部分，总无法达到100%的CAP。选择哪一种方案，依据就是在特定场景下，究竟哪些特性是更加剧要的了。