CAP原理和BASE理论笔记

CAP 原理

CAP 是什么？

CAP 三个字母对应着三个属性，分别是：

• C:Consistency 一致性
• A:Availability 可用性
• P:Partition tolerance 分区容错性

CAP 原理又是什么？

CAP 原理，注意多了原理两个字，代表着上述3点，一个分布式系统最多只能同时做到两点，而没办法同时做到三点。

CAP 内容

一致性

• 强一致性，也称为原子一致性。任何时间下，所有节点的数据是一样的。举个例子，分布式数据库的串行化。比如说对订单的管理和生成。为了方便记忆，可以说的上是原子一致性。
• 弱一致性，并不要求实时的提供一致性，。比如说论坛的点赞，赞的数量错误，也并不会有太大的影响。
  • 最终一致性，经过一段时间之后，可以访问到更新后的数据。

可用性

能否良好的为用户进行服务。

分区容错性

分布式系统在遇得到节点或者网络分区故障的时候，仍然能够对外提供满足一致性或者可用性服务。

CAP 定理证明

人们总是说分布式系统难以满足CAP三个条件，这样说法并不直观，因为很少提到设计思路，分布式系统中可能出现机器问题。考虑发生服务器连通的错误的状态下，CAP难以同时满足。

故障和CAP

假如 Server A 和 B 之间无法连通，当 Client A 更新Server A数据的时候。有下列几种考虑方式。

1. 满足一致性分区容错性，禁止 Client A更新数据。但是这样会牺牲可用性。

2. 满足可用性分区容错性，允许 Client A更新数据。但是这样会牺牲一致性。

3. 满足可用性和一致性，让Server A 和 Server B的数据相互独立。但是牺牲了分区容错性，也就是A，B之间不交互数据。换句话说只要没有分区容错性，就不是一个分布式系统。

   是不是叫CP&AP不兼容定理，会更好一些。

CAP理论的样例分析

基于 CP 一致性容错性的设计

• Zookeeper 如果 master 挂掉，那么就不会在重新选举期间不提供服务，换言之重新选举期间会放弃可用性。

基于 AP 可用性容错性的设计

• Eureka 所有节点之间是平等的。换言之任意节点存储的数据相同。若节点挂掉会自动切换到新节点。换言之，实际上最大限度了保证了可用性。Eureka 诸如注册网关这样的功能。

BASE 理论

BASE是下列三个单词的缩写，是互联网的实践。

• Basically Available（基本可用）
• Soft-state（软状态）
• Eventually Consistent（最终一致性）

与CAP不同的是，BASE 理论强调的是可以达到的状态。换言之，在可用上保证基本可用，利用软状态来达到最终一致性。

例：论坛中利用 Redis 来记录点赞数，然后将点赞的消息发送到kafka中，最后记录到MySQL中谁点过谁的赞。

• 基本可用：用Redis来存储已经点过赞了。
• 软状态：利用Redis和Kafka来存储中间的装填。

最终一致性：被写入数据库。之后在人搜索历史数据的时候保证不会有问题。

参考