分佈式基礎-CAP理論

CAP概述

    CAP理論：一個分佈式系統最多隻能同時知足一致性（Consistency）、可用性（Availability）和分區容錯性（Partition tolerance）這三項中的兩項。

CAP定義

C（一致性）

    一致性指「all nodes see the same data at the same time」，即更新操做成功並返回客戶端完成後，全部節點在同一時間的數據徹底一致，因此，一致性，說的就是數據一致性（CAP中的一致性指的是強一致性）。

三種一致性策略

    對於關係型數據庫，要求更新過的數據能被後續的訪問都能看到，這是強一致性。

    若是能容忍後續的部分或者所有訪問不到，則是弱一致性。

    若是通過一段時間後要求能訪問到更新後的數據，則是最終一致性。

A（可用性）

    服務一直可用，並且是正常響應時間。

P（分區容錯性）

分佈式系統在遇到某節點或網絡分區故障的時候，仍然可以對外提供知足一致性和可用性的服務。

CAP權衡

    注意：C，A，P三者並非平等的，對於一個分佈式系統來講。P是一個基本要求，CAP三者中，只能在CA二者之間作權衡，而且要想盡辦法提高P。故不考慮CA沒有P的狀況。

CP

    若是一個分佈式系統不要求強的可用性，即允許系統停機或者長時間無響應的話，就能夠在CAP三者中保障CP而捨棄A。

    一個保證了CP而一個捨棄了A的分佈式系統，一旦發生網絡故障或者消息丟失等狀況，就要犧牲用戶的體驗，等待全部數據所有一致了以後再讓用戶訪問系統。

    如redis、Zookeeper等。

AP

    要高可用並容許分區，則需放棄一致性。一旦網絡問題發生，節點之間可能會失去聯繫。爲了保證高可用，須要在用戶訪問時能夠立刻獲得返回，則每一個節點只能用本地數據提供服務，而這樣會致使全局數據的不一致性。

    如1230六、電商系統等

    可是，放棄了C，只是放棄了強一致性，系統仍會保證最終一致性。好比12306買票，你按照正常流程，付完款以後，過了一段時間，12306提示你出票失敗，這就是最終一致性的表現。

參考

http://www.hollischuang.com/archives/666