分布式系统设计权衡之CAP(一致性,可用性,分区容错性)[通俗易懂]

大家好，又见面了，我是你们的朋友全栈君。

https://blog.csdn.net/Sun_P0/article/details/50221787

写在最前：

1.为什么学习并记录分布式设计理念一系列相关的东西

在日常工作中系统设计评审的时候，经常会有一些同事抛出一些概念,高可用性，一致性等等字眼，他们用这些最基本的概念去反驳系统最初的设计，但是很多人理解的可用性,一致性等等问题，都是自己拍脑袋想的，或者根本和最原始表达的意思就不是一个东西，在这种情况下PK，就像不再一个频段的人在交流，除了争论，没有任何实质性的进展，所以有必要熟悉其理论基础，以免贻笑大方。（其实类似的例子还有很多，国内的技术人员都喜欢把一些此词模糊化，混淆而谈。例如XX云，实际卖的就是vps 和一小部分saas,这就叫cloud computing?）

2.准备说哪些东西

分布式系统设计在评审时，争论得最多的地方，其实也就是著名的cap理论，本文也主要对CAP理论加以自己的理解和应用

CAP理论

什么是分布式系统

部分在不同的节点上，通过网络协同工作的系统叫做分布式系统

CAP分别代表什么

• Consistency • (all nodes see the same data at the same time) • Availability • Reads and writes always succeed. • Partition tolerance • (the system continues to operate despite arbitrary message loss or failure of part of the system)

一致性： 更新操作成功并返回客户端完成后,分布式的所有节点在同一时间的数据完全一致

可用性: 读和写操作都能成功

分区容错性：再出现网络故障导致分布式节点间不能通信时，系统能否继续服务

CAP的是什么关系

It states, that though its desirable to have Consistency, High-Availability and Partition-tolerance in every system, unfortunately no system can achieve all three at the same time. 在分布式系统的设计中，没有一种设计可以同时满足一致性，可用性，分区容错性 3个特性

注意：不要将弱一致性，最终一致性放到CAP理论里混为一谈（混淆概念的坑真多） 弱一致性，最终一致性 你可以认为和CAP的C一点关系也没有，因为CAP的C是更新操作完成后，任何节点看到的数据完全一致, 弱一致性。最终一致性本身和CAP的C一致性是违背的，所以你可以看到那些谎称自己系统同时具备CAP 3个特性是多么的可笑，可能国内更多的场景是：一个开放人员一旦走上讲台演讲，就立马转变为了营销人员，连最基本的理念也不要了。 这里有一篇标题很大的文章 cap-twelve-years-later-how-the-rules-have-changed ，实际上本文的changed更多的是在思考方式上，而本身CAP理论是没有changed的

为什么会是这样

我们来看一个简单的问题, 一个DB服务 搭建在两个机房（北京,广州)，两个DB实例同时提供写入和读取

分布式系统设计权衡之CAP(一致性,可用性,分区容错性)[通俗易懂]

1. 假设DB的更新操作是同时写北京和广州的DB都成功才返回成功 在没有出现网络故障的时候，满足CA原则，C 即我的任何一个写入，更新操作成功并返回客户端完成后,分布式的所有节点在同一时间的数据完全一致， A 即我的读写操作都能够成功，但是当出现网络故障时，我不能同时保证CA，即P条件无法满足

2. 假设DB的更新操作是只写本地机房成功就返回，通过binlog/oplog回放方式同步至侧边机房 这种操作保证了在出现网络故障时,双边机房都是可以提供服务的，且读写操作都能成功，意味着他满足了AP ，但是它不满足C，因为更新操作返回成功后，双边机房的DB看到的数据会存在短暂不一致，且在网络故障时，不一致的时间差会很大（仅能保证最终一致性）

3. 假设DB的更新操作是同时写北京和广州的DB都成功才返回成功且网络故障时提供降级服务 降级服务，如停止写入，只提供读取功能，这样能保证数据是一致的，且网络故障时能提供服务，满足CP原则，但是他无法满足可用性原则

选择权衡

通过上面的例子，我们得知，我们永远无法同时得到CAP这3个特性，那么我们怎么来权衡选择呢？ 选择的关键点取决于业务场景

对于大多数互联网应用来说（如网易门户），因为机器数量庞大，部署节点分散，网络故障是常态，可用性是必须需要保证的，所以只有设置一致性来保证服务的AP，通常常见的高可用服务吹嘘5个9 6个9服务SLA稳定性就本都是放弃C选择AP

对于需要确保强一致性的场景，如银行，通常会权衡CA和CP模型，CA模型网络故障时完全不可用，CP模型具备部分可用性，实际的选择需要通过业务场景来权衡（并不是所有情况CP都好于CA，只能查看信息不能更新信息有时候从产品层面还不如直接拒绝服务）

延伸

BASE(Basically Available, Soft State, Eventual Consistency 基本可用、软状态、最终一致性) 对CAP AP理论的延伸, Redis等众多系统构建与这个理论之上 ACID 传统数据库常用的设计理念, ACID和BASE代表了两种截然相反的设计哲学，分处一致性-可用性分布图谱的两极。

扩展阅读

Daniel Abadi认为 CAP 应该叫 PACELC http://dbmsmusings.blogspot.jp/2010/04/problems-with-cap-and-yahoos-little.html Brewer’s CAP Theorem http://www.julianbrowne.com/article/viewer/brewers-cap-theorem Foundationdb 的CAP权衡选择 https://foundationdb.com/white-papers/the-cap-theorem

发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/164327.html原文链接：https://javaforall.cn