如何理解 CAP 定理的“可用性”？答案

【问题标题】：How to understand the "Availability" of the CAP theorem?如何理解 CAP 定理的“可用性”？
【发布时间】：2012-04-09 05:10:38
【问题描述】：

我不知道这是不是一个合适的问题。

众所周知，在 CAP 定理中，“A”表示“可用性”。在wikipedia上，“可用性”的解释是：

Availability: a guarantee that every request receives a response about whether it was successful or failed

但是，从工程的角度来看，不存在 ABSOLUTE 可用性。我们只能说一个系统的可用性是 5'9'(99.999%)，甚至是 8'9'，但我们不能说一个系统的可用性是 100%，100% 可用的系统在现实中并不存在，即使系统有数百万个重复节点，对吧？

CAP 定理证明没有一个系统可以同时满足这 3 个要求。我的问题是，如果一个系统声称同时满足“A”和“P”，那么这个“A”的准确含义是什么？ 6'9' 甚至更高？

【问题讨论】：

标签： database

【解决方案1】：

我建议您避免使用 Wikipedia，而是阅读 Gilbert and Lynch 证明中提供的定义。

"系统中非失败节点收到的每个请求都必须得到响应”

以及回答您问题的相关脚注

"Brewer 最初只要求几乎所有请求都接收一个回复。由于允许概率可用性不会改变发生任意故障时的结果，为简单起见，我们要求 100% 可用性”

因此，如果几乎所有请求都收到响应，或者我们允许发生任意故障，则可以认为系统具有高可用性。

【讨论】：

【解决方案2】：

CAP 中的可用性意味着“所有（非故障）节点都可用于查询”。它与关于“高可用性”的 Wikipedia 链接无关。

例如，PAXOS 算法是 CP（无可用性属性），因为少数节点在分区期间“关闭”。但是如果你需要一致性，那么 PAXOS 被认为是“高可用性”。

相反，单节点 MySQL 数据库服务器是 CA（具有 CAP 可用性属性）。它可以重新启动（并且在进行 BIOS 检查、文件系统检查、数据库修复等时会关闭数小时）。当它完成启动时，它会再次开始响应查询。这是完美的可用性（根据 CAP 定理），但“高可用性”的可用性却很糟糕。

【讨论】：

【解决方案3】：

我同意 Mark Burgess 的观点：The CAP Theorem Is Not a Theorem。 Brewer 猜想中的 CAP 属性根本不够明确，无法提供严格的数学证明。因此，可用性难以“理解”的原因可能是因为它在这种情况下没有得到很好的定义。

【讨论】：

【解决方案4】：

Coda Hale的有趣观点

选择可用性的系统将通过继续处理所有请求来处理网络分区，即使它们导致不一致（例如，不同网络分区中的节点都接受可能发生冲突的写入）。

选择一致性的系统将限制网络分区期间合法操作的数量（例如不接受写入，因为它们可能导致冲突/不一致）。

不能同时选择。

我想一个假设的系统也可以选择在网络分区期间崩溃，但这似乎不是一个非常实用的设计......

【讨论】：