分布式相关的经典理论基础

 

今天来讲几个概念：单体应用和分布式集群相关概念、CAP、ACID、BASE等相关理论

1、单体应用、集群、分布式的相关概念

「单体应用」将一个应用程序的所有功能模块都打包成一个独立的单元，部署在一台服务器上运行，对外提供服务。当业务增长到一定程度的时候，单机的硬件资源将无法满足你的业务需求。此时便出现了集群模式。

「集群」 同一个业务模块，部署在多个服务器上，通过分布式调度软件（负载均衡服务器）进行统一的调度，目的是提高服务的处理量。 集群结构的好处就是系统扩展非常容易。如果随着你们系统业务的发展，当前的系统又支撑不住了，那么给这个集群再增加节点就行了。

「分布式」将一个业务模块拆分成多个子业务模块（按照业务功能，拆分成一个个独立的子系统，在分布式结构中，每个子系统就被称为“服务”），多个子业务模块部署在不同的服务器上运行，目的是实现高并发。

2、CAP理论

「CAP」
C(Consistency)：一致性 
A(Availability)：可用性
P(Partition tolerance)：分区容错性
「CAP理论」一个分布式系统不可能同时很好的满足一致性，可用性和分区容错性这三个需求
原因：
在一个分布式系统里面，包含了多个节点，节点之间通过网络连接在一起。正常情况下，通过网络，从一个节点可以访问任何别的节点上的数据。但是有可能出现网络故障，导致整个网络被分成了互不连通的区域，这就叫作分区。一旦出现分区，那么一个区域内的节点就没法访问其他节点上的数据了，最好的办法是把数据复制到其他区域内的节点，这样即使出现分区，也能访问任意区域内节点上的数据，这就是分区容错性；
但是把数据复制到多个节点就可能出现数据不一致的情况，这就是一致性；
要保证一致，就必须等待所有节点上的数据都更新成功才可用，这就是可用性。
总的来说，就是数据节点越多，分区容错性越高，但数据一致性越难保证。为了保证数据一致性，又会带来可用性的问题。

2、ACID理论

「ACID」
指数据库事务正确执行的四个基本要素的缩写 
A(Atomicity)：原子性
C(Consistency)：一致性
I(Isolation)：独立性
D(Durability)：持久性
一个支持事务（Transaction）的数据库，必须要具有这四种特性，否则在事务过程（Transaction processing）当中无法保证数据的正确性，交易过程极可能达不到交易方的要求。

原子性：整个事务中的所有操作，要么全部完成，要么全部不完成，不可能停滞在中间某个环节。事务在执行过程中发生错误，会被回滚（Rollback）到事务开始前的状态，就像这个事务从来没有执行过一样。
一致性：一个事务可以封装状态改变（除非它是一个只读的）。事务必须始终保持系统处于一致的状态，不管在任何给定的时间并发事务有多少。也就是说：如果事务是并发多个，系统也必须如同串行事务一样操作。
隔离性：隔离状态执行事务，使它们好像是系统在给定时间内执行的唯一操作。如果有两个事务，运行在相同的时间内，执行相同的功能，事务的隔离性将确保每一事务在系统中认为只有该事务在使用系统。这种属性有时称为串行化，为了防止事务操作间的混淆，必须串行化或序列化请求，使得在同一时间仅有一个请求用于同一数据。
持久性：在事务完成以后，该事务对数据库所作的更改便持久的保存在数据库之中，并不会被回滚。

3、BASE理论

「BASE」 
Basically Available：基本可用
Soft state：软状态
Eventually consistent：最终一致
BASE是对CAP中一致性和可用性权衡的结果，其来源于对大规模互联网系统分布式实践的总结，是基于CAP定理逐步演化而来的
其核心思想是即使无法做到强一致性，但每个应用都可以根据自身的业务特点，采用适当的方式来使系统达到最终一致性。

基本可用：基本可用是指分布式系统在出现不可预知的故障的时候，允许损失部分可用性；
弱状态：弱状态也被称为软状态，和硬状态对应，是指允许系统中的数据存在中间状态，并认为该中间状态的存在不会影响系统的整体可用性，即允许系统不同节点的数据副本之间进行数据同步的过程存在延时；
最终一致性：最终一致性强调的是系统所有的数据副本，在经过一段时间的同步后，最终能够达到一个一致的状态。

参考文章：

https://baike.baidu.com/item/ACID/10738
https://www.zhihu.com/question/20004877
https://yq.aliyun.com/articles/240630
【如有侵权，实属您的文章或回答写的清晰易懂，侵权后请联系我进行处理】