分布式系统CAP

CAP定义

Consistency 一致性

即所有节点在同一时间的数据完全一致。即写操作之后的读操作，必须返回该值

• 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。

为什么会不一致？

当用户修改不会马上在全网更新，必定会有一个延迟，这个延迟被称为 “不一致窗口”，它的长度取决于系统的负载、冗余的个数等因素。

Availability 可用性

即服务在正常响应时间内一直可用。

即在集群中一部分节点故障后，集群整体是否还能响应客户端的读写请求

通常情况下和分布式数据冗余，负载均衡等有着很大的关联。

Partition Tolerance分区容错性

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。

以实际效果而言，分区相当于对通信的时限要求。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，必须就当前操作在C和A之间做出选择。

在分布式系统架构中有一个CAP理论：

• 一致性（Consistency）：即当一个Process修改了某个数据后，其他Process读取这是数据时，得到的是更新后的数据，而不是修改前的数据；

      但并不是所有系统都可以做到这一点。例如，在一些并非严格要求一致性的系统中，后来的Process可能需要等待一定时间后才能得到修改之后的数据，这被成为“弱一致性”；

      当用户修改不会马上在全网更新，必定会有一个延迟，这个延迟被称为 “不一致窗口”，它的长度取决于系统的负载、冗余的个数等因素。

      但对于某些系统而言，一旦写入，后面读取的一定是修改后的数据，如银行账户信息，这被称为 “强一致性”。

• 可用性（Availability）：只要收到用户的请求，服务器就必须立即给出回应（成功或者失败），而不是等待其他事情完成才响应。

         如果需要等待某件事情完成才响应，那么“可用性”就不存在了。

• 分区容错性（Partition tolerance）：比如你有A B两台服务器，它们之间是有通信的，突然，不知道为什么，它们之间的网络链接断掉了。好了，那么现在本来AB在同一个网络现在发生了网络分区，变成了A所在的A网络和B所在的B网络。所谓的分区容忍性，就是说一个数据服务的多台服务器在发生了上述情况的时候，依然能继续提供服务。

应用场景

CA without P：传统的关系型数据库RDBMS----Oracle、MySQL就是CA

CP without A：设计成CP的系统其实不少，最典型的就是分布式数据库，如Redis、HBase等；

AP wihtout C：典型的应用就如某米的抢购手机场景，可能前几秒你浏览商品的时候页面提示是有库存的，当你选择完商品准备下单的时候，系统提示你下单失败，商品已售完。