ACID和CAP, BASE

 

ACID：關係型數據庫中事務的4個屬性：

 

Atomicity，原子性，整個事務的全部操做，要麼所有完成，要麼所有不完成，不可能停滯在中間的某個環節。事務在執行過程當中出錯，會回滾到事務開始前的狀態，就像沒發生同樣。

 

Consistency，一致性，在事務開始以前和結束以後，數據的完整性沒有被破換。

所謂數據完整性，是指數據是正確無誤的，沒有歧義的。若是數據存在自相矛盾，不相容的地方，則其完整性被破壞了。

 

Isolation，隔離性，兩個事務的執行是互不干擾的，一個事務不能看到其餘事務運行時中間某一時刻的數據。

 

Durability，持久性，事務結束以後，該事務對數據庫所作的修改會持久地保存在數據庫中，不會被回滾。

 

CAP理論：分佈式系統中只能同時知足CAP中的兩個：

 

Consistency，一致性，有兩方面含義。

一方面是指不管什麼時候何地訪問這個數據，都會獲得相同的結果，即保證行爲的一致。好比，A寫入一個數據，那麼下次讀時應該能看到上次寫的數據，不然就出現了不一致。

另外一方面是指數據在分佈式系統中，不存在歧義，即保證數據的一致。好比，數據的多個副本都是相同的，不然就出現了歧義。

Availability，可用性，是指分佈式系統時刻可以提供服務，不存在暫停服務的時刻。

Partition Tolerance，分區容忍性，是指數據不受分佈式的影響，即便某個節點失效，也不會出現數據錯誤、失效等問題。

 

能夠看出，同時知足CAP是不可能的。

如想保證一致性和可用性，那麼就不能再分佈式。由於分佈式會破壞一致性或者可用性中的一者，也就是說必定會破壞二者的組合。

如想保證分佈式和一致性，那麼就必須在系統運行的某個時刻，暫停服務，進行數據同步，這就破壞了可用性。

如想保證分佈式和可用性，那麼系統時刻不停機，就沒有機會進行數據同步，也就破壞了一致性。

 

BASE：分佈式系統與關係型數據庫相對的3個屬性：

Basically Availability，基本可用性，這個稱呼可能有些歧義，應該翻譯爲「主要可用性」，實際上BASE的目的就是捨去Consistency，而獲得Availability，所以，這裏應理解爲一切以可用性爲主。

 

Soft State，軟狀態，是指系統介於stateful和stateless之間，只維護必定的信息，做爲高速緩存，這些信息實際上能夠經過必定的計算從新獲得(如從周圍節點收集信息彙總)，所以即便丟失也無所謂。當系統出錯時，能夠迅速恢復狀態。

 

Eventually Consistency，最終一致性，爲弱一致性的一種特例，是指系統中多副本之間並非時刻保持一致的(言外之意，不一樣用戶，或者同一用戶的不一樣時刻，可能會讀到不一致的數據)，但系統最終會在某個時刻變得一致(如通過數據同步)。

 

從用戶(Client)看到的角度講：

強一致性(Strong Consistency)，保證對a修改以後(事務完成以後)，任何用戶立刻就能看到a的最新值。

弱一致性(Weak Consistency)，對a修改後，不保證全部用戶都能看到最新值。最終一致性是弱一致性的特例。

 

從系統內部(Server)的角度講：

一致性的意思是，在分佈式系統中，數據之間必須相容，不存在有歧義的地方。如多個副本的內要容相同，或者有多個版本但版本之間不衝突。又如不能同時存在這三條致使矛盾的記錄：a>b,b>c,a<c。

能夠看出，在系統內部，數據不必定是嚴格一致的，只要保證用戶看到的是一致的便可。

Dynamo提供採用NRW模型來描述一致性：

N 數據副本的總數

R 每次讀取的副本數

W 每次寫的副本數

系統要想向外提供強一致性，則保證R+W>N便可，也即R集合和W集合存在交集，這樣用戶在讀時，至少能獲得一個最新的記錄，進而經過版本號/時間戳/Vector Clock來決定選擇哪個記錄。

不然，若系統只能保證R+W<=N，則它就是弱一致性的。

在同時向多個節點同步數據時，一般採用兩階段提交協議(Two Phase Commit)，該協議分兩個階段，第一階段爲準備階段(Prepare)，master向全部的slave發送寫請求，slave收到請求後，作必定的操做(如判斷是否有衝突)，而後向master回覆是否贊成寫請求，master收到全部回覆後，再判斷是否進行提交。最後，進入提交階段(Commit)，master向全部slave發送提交請求，slave收到後正式將修改持久化。

Dynamo在寫W個副本時，採用了改進的2PC，即若是準備階段W中有節點沒有響應，則嘗試W以外的節點，保證收到W個節點的響應，纔會進入提交階段。

HDFS在同步寫多個副本時，也採用了改進的2PC，即先以pipeline的方式，向多個副本寫數據，其過程當中只要有一個節點寫失敗，則整個寫操做失敗，只有當全部節點都成功後(後面的節點會向前級聯反饋)，發起者才決定寫成功(向NameNode提交)。