CAP理论理解

CAP理论

前言

在学习Spring Cloud注册中心时，了解到了CAP这个知识点，个人对这类理论知识兴趣浓厚，特别是和之后要学习强相关的，遂边学习边记录一波

一、案例

在开始之前，我们先从一个案例入手

如上图，单机系统下，有一个售票处1，n个用户去买票，在排除并发安全等相关情况后，这个系统可以正常工作，一段时间后，因为用户逐渐增加，一个服务器承受不住了，于是增加了一个售票处2

我们假设这样一个理想的情况

​ 这里开始就涉及到分布式相关知识了，就像我们上面说的，一个服务器、数据库干不动了，就给他再来一个，他们做一样的事，但是他们用的应该是同一个数据源（库存），当其中一个售票处卖出了票，他们本地的数据库（库存数量）更新了，他就要想办法让其他售票处知道最新的库存，这就涉及到分布式系统的沟通交流协作问题，就来到了我们想说的CAP理论。

二、什么是CAP

​ 说到分布式，我第一个了解到的就是CAP理论

​ 2000 年的时候，Eric Brewer 教授提出了 CAP 猜想，这个猜想首次把一致性、可用性和分区容错三个因素提炼出来作为系统设计的重要特征，断言用此三者可以划分所有的分布式系统，并指明这三个特征之间的不可能性关系。

​ 2002年，Lynch与其他人证明了Brewer猜想,并上升为定理,但是，她只是证明了CAP三者不可能同时满足，并没有证明任意二者都可满足的问题，所以，该证明被认为是一个收窄的结果。

​ 这时的CAP没有考虑不同的基础架构、不同的应用场景、不同的网络基础和用户需求，而C、A、P在这些不同场景中的含义可能完全不同，这种无视差异化的定义导致了非常大的概念模糊,就引来了诸多质疑.

​ 面对大量的质疑，Brewer和Lynch终于坐不住了,Brewer于2012年进行了重申,Lynch也在2012年重写了论文,缩小CAP适用的定义，消除质疑的场景；展示了CAP在非单一一致性结果下的广阔的研究结果.并顺便暗示CAP定理依旧正确！

​ 经过长久的发展就是现在,我们能看到的, 并有了以下的定义

选项	描述
C（Consistence）	一致性，指数据在多个副本之间能够保持一致的特性（严格的一致性）。
A（Availability）	可用性，指系统提供的服务必须一直处于可用的状态，每次请求都能获取到非错的响应——但是不保证获取的数据为最新数据。
P（Partition Tolerance)	分区容错性，分布式系统在遇到任何网络分区故障的时候，仍然能够对外提供满足一致性和可用性的服务，除非整个网络环境都发生了故障。

高可用、数据一致是很多系统设计的目标，所以我们只能有这几种选择

• CA without P：如果不要求P（不允许分区），则C（强一致性）和A（可用性）是可以保证的。但其实分区不是你想不想的问题，而是始终会存在，因此CA的系统更多的是允许分区后各子系统依然保持CA。
  • 舍弃容错性。但是这也就意味着你的系统不是分布式的了, 因为涉及分布式的想法就是把功能分开，部署到不同的机器上。
• CP without A：如果不要求A（可用），相当于每个请求都需要在Server之间强一致，而P（分区）会导致同步时间无限延长，如此CP也是可以保证的。很多传统的数据库分布式事务都属于这种模式。
  • 如果系统不是要求很高可用,就是允许有段时间访问失效的情况
• AP wihtout C：要高可用并允许分区，则需放弃一致性。一旦分区发生，节点之间可能会失去联系，为了高可用，每个节点只能用本地数据提供服务，而这样会导致全局数据的不一致性。现在众多的NoSQL都属于此类。
  • 事实上,我们生活中就有很多牺牲了一致性的, 像12306和淘宝网,最形象的是小米0.0的抢购,你看到的时候是可以买的,但是实际上在订单生成之前,可能库存已经没了,就会提示没货了,这就是牺牲了一致性

​ 关于一致性: 我们都知道,在不同场景下,对一致性的要求是不一样的,有些可以牺牲一致性,但是像银行转账这种,就肯定不行,A给B转账100. 就必须保证A账号扣了100,B的账户多了100.这里强调的就是数据的一致性,而且什么时候转钱都可以，也需要可用性。但是可以转钱失败是可以允许的。

一致性扩展

• 强一致性
  • 对于关系型数据库，要求更新过的数据能被后续的访问都能看到，这是强一致性。
• 弱一致性
  • 如果能容忍后续的部分或者全部访问不到，则是弱一致性。
• 最终一致性
  • 如果经过一段时间后要求能访问到更新后的数据，则是最终一致性。

三、概念区分

• 需要注意的是:CAP理论中的CA和数据库事务中ACID的CA并完全是同一回事儿。两者之中的A都是C都是一致性(Consistency)。CAP中的A指的是可用性（Availability），而ACID中的A指的是原子性（Atomicity)，切勿混为一谈.

• 分区和分区容错是两个东西。

  分区是一种现象，当系统如果不能在时限内达成数据一致性，就意味着发生了分区的情况。

  而分区容错是一个系统的特性，指的是你这个系统对于分区这种现象有多高的容错能力。

  ​ -《从PAXOS到ZOOKEEPER分布式一致性原理与实践》

一啊开始说到,我是学习Spring Cloud的注册中心才知道的CAP,这里就放下尚硅谷阳哥的图

四、该如何看待CAP ?

引用大佬的话

首先肯定的是，CAP并不适合再作为一个适应任何场景的定理，它的正确性更加适合基于原子读写的NoSQL场景。而无论如何C、A、P这个三个概念始终存在任何分布式系统，只是不同的模型会对其有不同的呈现，可能某些场景对三者之间的关系敏感，而另一些不敏感。

有兴趣的同学可以查看参考资料1, 作者进行了非常详细的讲诉.

参考资料

1. CAP理论历史

2. [分布式]：分布式系统的CAP理论

扩展阅读

1. 分布式理论的协议和相关算法@TOC