CAP原则(CAP定理)、BASE理论

1、定义

     CAP原则又称CAP定理，指的是在一个分布式系统中， Consistency（一致性）、 Availability（可用性）、Partition tolerance（分区容错性），三者不可得兼。

     CAP原则是NOSQL数据库的基石。Consistency（一致性）、Availability（可用性）、Partition tolerance（分区容错性）。

分布式系统的CAP理论：理论首先把分布式系统中的三个特性进行了以下概括：

• 一致性（C）：在分布式系统中的全部数据备份，在同一时刻是否一样的值。（等同于全部节点访问同一份最新的数据副本）
• 可用性（A）：在集群中一部分节点故障后，集群总体是否还能响应客户端的读写请求。（对数据更新具有高可用性）
• 分区容忍性（P）：以实际效果而言，分区至关于对通讯的时限要求。系统若是不能在时限内达成数据一致性，就意味着发生了分区的状况，必须就当前操做在C和A之间作出选择。

2、一致性与可用性的决择

       CAP理论就是说在分布式存储系统中，最多只能实现上面的两点。而因为当前的网络硬件确定会出现延迟丢包等问题，因此分区容忍性是咱们必须须要实现的。因此咱们只能在一致性和可用性之间进行权衡，没有NoSQL系统能同时保证这三点。
对于web2.0网站来讲，关系数据库的不少主要特性却每每无用武之地

• 数据库事务一致性需求
  　　不少web实时系统并不要求严格的数据库事务，对读一致性的要求很低，有些场合对写一致性要求并不高。容许实现最终一致性。
• 数据库的写实时性和读实时性需求
  　　对关系数据库来讲，插入一条数据以后马上查询，是确定能够读出来这条数据的，可是对于不少web应用来讲，并不要求这么高的实时性，比方说发一条消息之 后，过几秒乃至十几秒以后，个人订阅者才看到这条动态是彻底能够接受的。
• 对复杂的SQL查询，特别是多表关联查询的需求
  　　任何大数据量的web系统，都很是忌讳多个大表的关联查询，以及复杂的数据分析类型的报表查询，特别是SNS类型的网站，从需求以及产品设计角 度，就避免了这种状况的产生。每每更多的只是单表的主键查询，以及单表的简单条件分页查询，SQL的功能被极大的弱化了。

3、BASE理论

      BASE是Basically Available（基本可用）、Soft state（软状态）和Eventually consistent（最终一致性）三个短语的简写，BASE是对CAP中一致性和可用性权衡的结果，其来源于对大规模互联网系统分布式实践的结论，是基于CAP定理逐步演化而来的，其核心思想是即便没法作到强一致性（Strong consistency），但每一个应用均可以根据自身的业务特色，采用适当的方式来使系统达到最终一致性（Eventual consistency）。接下来咱们着重对BASE中的三要素进行详细讲解。

基本可用

     基本可用是指分布式系统在出现不可预知故障的时候，容许损失部分可用性——但请注意，这毫不等价于系统不可用，如下两个就是“基本可用”的典型例子。

• 响应时间上的损失：正常状况下，一个在线搜索引擎须要0.5秒内返回给用户相应的查询结果，但因为出现异常（好比系统部分机房发生断电或断网故障），查询结果的响应时间增长到了1~2秒。
• 功能上的损失：正常状况下，在一个电子商务网站上进行购物，消费者几乎可以顺利地完成每一笔订单，可是在一些节日大促购物高峰的时候，因为消费者的购物行为激增，为了保护购物系统的稳定性，部分消费者可能会被引导到一个降级页面。

     弱状态也称为软状态，和硬状态相对，是指容许系统中的数据存在中间状态，并认为该中间状态的存在不会影响系统的总体可用性，即容许系统在不一样节点的数据副本之间进行数据听不的过程存在延时。

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后，最终可以达到一个一致的状态。所以，最终一致性的本质是须要系统保证最终数据可以达到一致，而不须要实时保证系统数据的强一致性

亚马逊首席技术官Werner Vogels在于2008年发表的一篇文章中对最终一致性进行了很是详细的介绍。他认为最终一致性时一种特殊的弱一致性：系统可以保证在没有其余新的更新操做的状况下，数据最终必定可以达到一致的状态，所以全部客户端对系统的数据访问都可以胡渠道最新的值。同时，在没有发生故障的前提下，数据达到一致状态的时间延迟，取决于网络延迟，系统负载和数据复制方案设计等因素。

在实际工程实践中，最终一致性存在如下五类主要变种。

因果一致性：

        因果一致性是指，若是进程A在更新完某个数据项后通知了进程B，那么进程B以后对该数据项的访问都应该可以获取到进程A更新后的最新值，而且若是进程B要对该数据项进行更新操做的话，务必基于进程A更新后的最新值，即不能发生丢失更新状况。与此同时，与进程A无因果关系的进程C的数据访问则没有这样的限制。

读己之所写：

        读己之所写是指，进程A更新一个数据项以后，它本身老是可以访问到更新过的最新值，而不会看到旧值。也就是说，对于单个数据获取者而言，其读取到的数据必定不会比本身上次写入的值旧。所以，读己之所写也能够看做是一种特殊的因果一致性。

会话一致性：

        会话一致性将对系统数据的访问过程框定在了一个会话当中：系统能保证在同一个有效的会话中实现“读己之所写”的一致性，也就是说，执行更新操做以后，客户端可以在同一个会话中始终读取到该数据项的最新值。

单调读一致性：

        单调读一致性是指若是一个进程从系统中读取出一个数据项的某个值后，那么系统对于该进程后续的任何数据访问都不该该返回更旧的值。

单调写一致性：

         单调写一致性是指，一个系统须要可以保证来自同一个进程的写操做被顺序地执行。

以上就是最终一致性的五类常见的变种，在时间系统实践中，能够将其中的若干个变种互相结合起来，以构建一个具备最终一致性的分布式系统。事实上，能够将其中的若干个变种相互结合起来，以构建一个具备最终一致性特性的分布式系统。事实上，最终一致性并非只有那些大型分布式系统才设计的特性，许多现代的关系型数据库都采用了最终一致性模型。在现代关系型数据库中，大多都会采用同步和异步方式来实现主备数据复制技术。在同步方式中，数据的复制国耻鞥一般是更新事务的一部分，所以在事务完成后，主备数据库的数据就会达到一致。而在异步方式中，备库的更新每每存在延时，这取决于事务日志在主备数据库之间传输的时间长短，若是传输时间过长或者甚至在日志传输过程当中出现异常致使没法及时将事务应用到备库上，那么狠显然，从备库中读取的的数据将是旧的，所以就出现了不一致的状况。固然，不管是采用屡次重试仍是认为数据订正，关系型数据库仍是能搞保证最终数据达到一致——这就是系统提供最终一致性保证的经典案例。

     总的来讲，BASE理论面向的是大型高可用可扩展的分布式系统，和传统事务的ACID特性使相反的，它彻底不一样于ACID的强一致性模型，而是提出经过牺牲强一致性来得到可用性，并容许数据在一段时间内是不一致的，但最终达到一致状态。但同时，在实际的分布式场景中，不一样业务单元和组件对数据一致性的要求是不一样的，所以在具体的分布式系统架构设计过程当中，ACID特性与BASE理论每每又会结合在一块儿使用。

4、小结：

      计算机系统从集中式向分布式的变革随着包括分布式网络、分布式事务和分布式数据一致性等在内的一系列问题与挑战，同时也催生了一大批诸如ACID、CAP和BASE等经典理论的快速发展。

参考：

CAP原则(CAP定理)、BASE理论

https://www.cnblogs.com/duanx...