cap与cap2有何区别_CAP不仅适合您

cap与cap2有何区别

今天，我喜欢写有关分布式计算机系统中的一个重要定理。 我敢肯定，您会注意到本文的主题是关于CAP定理（也称为Brewer定理）的。 埃里克·布鲁尔（Eric Brewer）是2000年提出CAP定理的人。

CAP是三个单词的首字母缩写：

一致性：所有节点必须读取最新更改的数据，换句话说，我们分布式系统中的每个节点都应读取相同的数据。 如果在一个节点中发生了写操作，则从另一个节点读取相同的数据必须返回最新的写操作（当系统收到更新的内容时，则不得返回任何较旧的数据项）

可用性：不得有任何请求被任何节点阻止，所有请求都必须具有有关请求状态的响应。

分区容限：系统将继续其便利的任务，即使丢失了任何消息或系统中存在一些故障部件。

CAP定理是关于不可能在系统中同时拥有所有这些属性的。 distributed每个分布式系统最多可以具有这三个属性中的两个。 大多数参考文献将CAP介绍为一个三角形，分布式系统可以仅将其两个角度作为一个三角形。

CAP三角形

一致性+可用性的示例是：

• 单节点数据库
• 集群数据库
• LDAP
• xFS文件系统

一致性+分区容限的示例是：

• 分布式数据库
• 分布式锁定
• 多数锁定

可用性+分区容限的示例如下：

• 结尾
• Web缓存
• 域名解析

您可以在以下位置阅读CAP定理的形式证明： 布鲁尔猜想和一致，可用，可容忍分区的Web的可行性 。 这不是很难，阅读本文可以为您清除所有内容。

但是在这篇文章中，我用一些理由证明了这个概念。

假设：在一个简单的分布式系统中，我们有两个节点： NODE A和NODEB。客户端在NODE A上写入“ DataItem1”，同时客户端请求在NODE B上读取“ DataItem1”。

假设我们拥有CA环境，那么所有节点中的所有数据都是一致的，并且所有节点都可以执行每个查询。如果节点之间的所有消息均失败，则对节点B的查询将无法获得数据项的最新值。 如您所见，在某些情况下，我们无法使用带有“ P”的“ CA”环境。

假设我们拥有CP环境，那么所有节点中的所有数据都是一致的，并且具有分区容限属性。 现在，如果在NODE上写入“ DataItem1”之前，两个节点之间的连接断开，向节点B的请求无法执行我们的查询，因此Web错过了可用性。 节点B希望将其数据与NODE A同步，但是连接断开，因此响应不可用。

假设我们有PA环境。 因此，来自节点的每个请求都会有一个响应，分区容限允许我们的系统在发生任何消息和系统故障时继续其任务。 如果客户端在节点A上写入“ DataItem1”，并且同时其他客户端向节点B发送对“ DataItem1”的请求，并且两个节点之间的连接断开，则客户端将读取“ DataItem1”的旧版本。

注意：节点之间的通信和同步可能会延迟，这是PA系统完全无法保持一致性的最重要原因。 在这些环境中，节点之间具有部分一致性。

参考： CAP不仅来自JCG合作伙伴 Soroosh Sarabadani的Just Just Java博客博客。

翻译自: https://www.javacodegeeks.com/2013/09/cap-is-not-just-for-your-head.html

cap与cap2有何区别