文章目录
CAP 概述
- C、一致性、Consistency： 所有节点在同一时间具有相同的数据。
- A、可用性、Availability)： 保证每个请求不管成功或者失败都有响应。
- P、分区容错性、Partition tolerance： 在分布式中，由于网络的原因无法避免有时候出现数据不一致的情况，系统如果不能在时限内达成数据一致性，不会影响系统的继续运作。
CAP理论的核心： 一个分布式系统不可能同时很好的满足一致性，可用性和分区容错性这三个需求，最多只能同时较好的满足两个。
- CA： 单点集群，满足一致性，可用性的系统，通常在可扩展上不太强大。应用：传统的Oracle数据库。
- CP： 满足一致性，分区容错性的系统，通常性能不是特别高。应用：Redis，MongoDB，银行。
- AP： 满足可用性，分区容错性，通常可能对一致性要求低一些。应用：大多数网站架构的选择。
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个。
而由于当前的网络硬件肯定会出现延迟丢包等问题。
所以分区容忍性P是我们必须需要实现的。
所以我们只能在一致性C和高可用A之间进行权衡，没有哪个系统能同时保证三点。
为何CAP三者不可兼得
假设有两台服务器，一台放着应用A和数据库V，一台放着应用B和数据库V，他们之间的网络可以互通，也就相当于分布式系统的两个部分。
在满足一致性的时候，两台服务器 N1和N2，一开始两台服务器的数据是一样的，DB0=DB0。在满足可用性的时候，用户不管是请求N1或者N2，都会得到立即响应。在满足分区容错性的情况下，N1和N2有任何一方宕机，或者网络不通的时候，都不会影响N1和N2彼此之间的正常运作。
当用户通过N1中的A应用请求数据更新到服务器DB0后，这时N1中的服务器DB0变为DB1，通过分布式系统的数据同步更新操作，N2服务器中的数据库V0也更新为了DB1，这时，用户通过B向数据库发起请求得到的数据就是即时更新后的数据DB1。
上面是正常运作的情况，但分布式系统中，最大的问题就是网络传输问题，现在假设一种极端情况，N1和N2之间的网络断开了，但我们仍要支持这种网络异常，也就是满足分区容错性，那么这样能不能同时满足一致性和可用性呢？
假设N1和N2之间通信的时候网络突然出现故障，有用户向N1发送数据更新请求，那N1中的数据DB0将被更新为DB1，由于网络是断开的，N2中的数据库仍旧是DB0；
如果这个时候，有用户向N2发送数据读取请求，由于数据还没有进行同步，应用程序没办法立即给用户返回最新的数据DB1，怎么办呢？有二种选择，第一，牺牲数据一致性，响应旧的数据DB0给用户；第二，牺牲可用性，阻塞等待，直到网络连接恢复，数据更新操作完成之后，再给用户响应最新的数据DB1。
上面的过程比较简单，但也说明了要满足分区容错性的分布式系统，只能在一致性和可用性两者中，选择其中一个。也就是说分布式系统不可能同时满足三个特性。这就需要我们在搭建系统时进行取舍了。