CAP、BASE理论

一、CAP

一个分布式架构最多只能同时满足一致性、可用性和分区容错性这三项中的两项。

C：Consistency

 一致性：“all nodes see the same data at the same time”，即所有节点在同一时间的数据完全一致。

1. 强一致性。对于关系型数据库，要求更新过的数据，后续的访问都能看到。
2. 弱一致性。如果能够容忍后续的部分或者全部访问不到，则是弱一致性。
3. 最终一致性。如果经过一段时间后能访问到更新后的数据，则是最终一致性。

A：Availability

可用性：“Reads and writes always succeed”，即服务在正常的响应时间内一直可用。好的可用性主要是指系统能够很好地为用户服务，不出现用户操作失败或者访问超时等用户体验不好的情况。

P：Partiton tolerance

分区容错性：“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或可用性的服务。

例如：有两个节点N1和N2，节点N1和N2部署在不同的服务器上，N1和N2之间网络可以连通。

在满足一致性的情况下，N1和N2的数据是一样的。

在满足可用性的情况下，用户不管是请求N1还是请求N2，都能立即得到相应。

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，都不会影响N1和N2彼此之间的正常运作。

然而在分布式架构中这只是一种理想的情景。分布式系统和单机系统最大的区别在于网络，假设现在N1和N2之间的网络断开了，我们要支持这种网络异常，相当于要满足分区容错性。能不能同时满足一致性和可用性呢？

N1和N2之间的网络断开了，有用户向N1发送更新数据的请求，N1更新成功，由于N1和N2的网络断开了，N1和N2之间就无法进行数据的同步了，N1和N2的数据是不同的。如果此时用户向N2请求数据，应该怎么办呢？有两种情况：

1、选择可用性，牺牲一致性，N2返回旧数据。

2、选择一致性，牺牲可用性，N2阻塞直至网络连接恢复，N1和N2完成同步之后再给客户响应最新的值。

以上，说明了分布式架构中，在满足分区容错性的情况下，只能在一致性和可用性中的一种。

CP还是AP，如何权衡

对于多数大型互联网应用，主机众多、部署分散，而且现在的集群规模越来越大，所以节点故障、网络故障是常态，而且要保证服务可用性能达到N个9，即保障AP舍弃C。

而对于银行业务，设计钱财不能有一丝让步的场景，必须保障C，网络发生故障宁可停止服务，即保障CP舍弃A。

需依据自己的场景定夺，合适的才是最好的。

二、BASE理论

BASE理论是对CAP理论的延伸，核心思想是即使无法做到强一致性，但应用应该采用适合的方式达到最终一致性。

BASE理论是指基本可用（Basically Available）、软状态（Softe state）、最终一致性（Eventual Consistency）。

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，即保证核心可用。电商大促时，为了应对访问量激增，部分用户可能会被引导到降级页面，服务层也可能只提供降级服务。这就是损失部分可用性的表现。

软状态（Softe 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至少会有三个副本，允许不同节点间副本同步的延时，就是软状态的体现。

最终一致性（Eventual Consistency）

最终一致性是指系统中所有数据副本经过一段时间后，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。

发现一篇很好的文章

分布式系统架构系列讲解一（分布式一致性 1）：CAP理论_cap 一致性-CSDN博客