CAP定理理解

CAP定理

• 1998年，加州大学的计算机科学家 Eric Brewer 提出，分布式系统有三个指标：
  • Consistency
  • Availability
  • Partition tolerance
• 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。
• 一致性（Consistency）：指更新操作成功并返回客户端完成后，所有节点在同一时间的数据完全一致
  • 强一致性：要不一起成功，要不一起失败
  • 弱一致性
  • 顺序一致性
• 可用性（Availability）：可用性指（Reads and writes always succeed），即服务一直可用，而且是正常响应时间
  • 例如：阿里的服务器分布在全球各个地方，甚至在海底都有（灾备），除非同时攻击所有节点，才能破坏网络
• 分区性（Partition tolerance）：分区容错性指（the system continues to operate despite arbitrary message loss or failure of part of the system），即分布式系统在遇到某节点或网络分区故障的时候，仍然能够对外提供满足一致性和可用性的服务。
  • CDN判断用户位置，上海用户挂了，深圳服务器不能完全同步

CAP权衡

应用场景

• CP 系统 金融级系统
• AP 系统 保证一直可以用的系统达到：N个9的时间可以用

BASE理论

• BASE理论是对CAP理论的延伸，思想是即使无法做到强一致性（CAP的一致性就是强一致性），但可以采用适当的采取弱一致性，即最终一致性。
  • 基本可用（Basically Available）：基本可用是指分布式系统在出现故障的时候，允许损失部分可用性（例如响应时间、功能上的可用性），允许损失部分可用性，即保证核心可用。电商大促时，为了应对访问量激增，为了保护系统的稳定性，部分消费者可能会被引导到一个降级页面。
  • 软状态（Soft State）：软状态是指允许系统存在中间状态，而该中间状态不会影响系统整体可用性。分布式存储中一般一份数据会有多个副本，允许不同副本同步的延时就是软状态的体现。mysql replication的异步复制也是一种体现。
  • 最终一致性）（Envental Consistency）:最终一致性是指系统中的所有数据副本经过一定时间后，最终能够达到一致的状态。弱一致性和强一致性相反，最终一致性是弱一致性的一种特殊情况。

最终一致性实践（异地多活）

• 不同的地方需要写入数据表，不同地方的数据表也需要同步。
  • 当写入User数据时，两边因为同步可看做同时写入自增ID的User对象，上海数据库写入1、2、3，深圳也写入1、2、3，内容不同但ID相同，造成的结果是主主冲突
  • 解决方案是异地双活：上海是单数，深圳是双数，合并即可

• 为实现异地多活，出现了UUID，但是UUID是字符串影响查询性能，最终出现了分布式ID

ACID和BASE的区别和联系

• ACID是传统数据库常用的设计理念，追求强一致性模型。BASE支持的是达性分布式系统，提出通过牺牲强一致性获得高可用性。
• ACID ACID和BASE代表了两种截然相反的涉及哲学，在分布式系统设计的场景中，系统组件对一致性要求是不同的，因此ACID和BASE又会结合使用