浅谈微服务的CAP理论与BASE理论

浅谈微服务的CAP理论与BASE理论

CAP理论

分布式系统中，有一致性(Consistency)、可用性(Availability) 和分区容错性(Partition tolerance) 三个方面需要考虑；但是同一个分布式系统中，只能同时满足其中两项。目前大多数开源分布式系统都实现了P，分区容错性，然后再在C与A之间做抉择，但并不是完全抛弃另外一点，只是相对的多做一些牺牲。

C: 一致性(Consistency)

强一致性，访问所有的节点得到的数据是一样的。注意，这里一致性是指强一致性，也就是数据更新完，访问任何节点看到的数据完全一致。需要和弱一致性、最终一致性区分开。

A: 可用性(Availability)

可用性，所有节点都保持高可用性。注意，这里的高可用包含不出现延迟，比如如果节点A由于等待数据同步而阻塞请求，那么节点A就不满足高可用性。

P: 分区容错性(Partition tolerance)

分区容错性，分区是指网络意义上的分区。由于网络是不可靠的，所有节点之间很可能出现无法通讯的情况，在节点不能通信时，要保证系统可以继续正常服务。

CAP理论组合
在分布式、微服务系统中，CAP 理论三者无法同时兼顾，其中可以容忍网络之间出现的通讯故障，只能CP和AP二选其一。

• CP：当网络出现故障之后，只能保证数据一致性，但是不能保证可用性(Zookeeper)，牺牲服务的高可用。
• AP：当网络出现故障之后，不能保证数据一致性，但是能保证可用性(Eureka)，意味着可允许短暂的数据不一致性，但最终达到一致，这是其他节点正常提供服务，保证服务的可用性。

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，但应用可以采用适合的方式达到最终一致性(Eventual Consitency)。

最终一致性(Eventual Consitency)

最终一致性是指系统中的所有数据副本经过一定时间后，最终能够达到一致的状态。弱一致性和强一致性相反，最终以执行是弱一致性的一种特殊情况。