分布式-CAP与BASE
分布式基本理论CAP与BASE
1 CAP理论
CAP理论是分布式系统中最核心的基础理论，一个分布式系统最多只能同时满足一致性(Consistency)、可用性(Availablity)、分区容错性(Partition Tolerance)三项中的两项。
1.1 CAP的含义
在分布式系统中，由于系统的拆分，P是固定的，CAP的应用模型只能是CP和AP。
1.1.1 Consistency(一致性)
all nodes see the same data at the same time. 所有节点在同一时刻访问的数据副本都是一样的。
要么读取到最新数据，要么读取失败，强调的是数据正确。
1.1.2 Availability(可用性)
Reads and writes always succeed.系统提供的服务必须是一直处于可用状态，而且对于用户的每一个请求都能在有限的时间内获得正常的响应(数据有可能并不是最新的)。
一定返回数据，不返回错误，但不保证是最新数据，强调的是不出错。
1.1.3 Partition Tolerance(分区容错性)
the system continues to operate despite arbitrary message loss or failure of part of the system. 当部分节点出现消息丢失或网络分区故障时，仍能够对外提供满足一致性和可用性的服务。
系统一直运行，不管内部出现何种数据同步问题，强调的是不挂掉。
1.2 CAP理论的应用
通常在分布式系统中，为了保证数据的高可用，通常会设置多个副本，只能在一致性和可用性之间做选择。业务上对一致性的要求会直接反映在系统设计中，典型的就是CP和AP架构。
- CP架构：放弃可用性，追求一致性和分区容错性。 Zookeeper就是采用CP架构，Zookeeper是一个分布式服务框架，主要解决分布式集群中应用系统的协调和一致性问题。核心算法是ZAB算法，所有设计都是为了一致性。在面对网络分区时，为了保持一致性，它将是不可用的。
- AP架构：放弃一致性，追求可用性和分区容错性。 Eureka中各个节点都是平等的，几个节点挂掉并不影响正常节点的工作，剩余的节点依旧可以提供注册和查询服务，只要有一个节点存在，就能保证可用性，只不过数据可能不是最新的。
2 BASE理论
BASE理论由ePay架构师提出，是对CAP理论的延伸，核心思想是无法做到强一致性(Strong Consistency)，但应用可以采用合适的方式达到最终一致性(Eventual Consistency)。
BASE指基本可用(Basically Available)、软状态(Soft State)、最终一致性(Eventual Consistency)。
2.1 BASE的含义
2.1.1 基本可用(Basically Available)
不再追求CAP中的”任何时候，读写都是成功的“，而是系统能够基本运行，一直提供服务。基本可用强调了分布式系统出现不可预知故障时，允许损失部分可用性，比如响应时间变长或者服务被降级。
2.1.2 软状态(Soft State)
软状态对应ACID事务中的原子性，在ACID的事务中，实现的是强一致性。软状态允许系统中的数据存在中间状态，并认为该状态不影响系统的整体可用性，即允许系统在多个不同节点的数据副本存在数据延时。
2.1.5 最终一致性(Eventual Consistency)
最终一致性是弱一致性的特例，强调所有副本数据，在经过一段时间同步后，最终都能达到一致的状态。最终一致的本质是需要系统保证数据最终能够达到一致，而不需要实时保证系统数据的强一致。
3 CAP与BASE关系
CAP描述了一致性、可用性、分区容错性之间的制约关系。BASE理论是CAP理论的实际应用，即在分区和副本存在的前提下，放弃强一致性，实现基本可用。大部分分布式系统都会做这种选择，如NoSQL系统、微服务架构等。
除了CAP和BASE，还有ACID，它是一种强一致性模型，强调原子性、一致性、隔离性、持久性，主要用于数据库实现。Base理论面向的是高可用、高扩展的分布式系统，ACID适合传统金融等业务，在实际场景中，不同业务对数据一致性要求不一样，ACID和BASE往往会结合使用。
参考资料
- CAP 定理的含义
- 拉勾专栏： 分布式技术原理与实战45讲