分布式系统的基本的架构理论

CAP理论

• Consistency（一致性）
• Availability（可用性）
• Partition tolerance（分区容忍性）

①一致性：对于客户端的每次读操作，要么读到的是最新的数据，要么读取失败。换句话说，一致性是站在分布式系统的角度，对访问本系统的客户端的一种承诺：要么我给您返回一个错误，要么我给你返回绝对一致的最新数据，不难看出，其强调的是数据正确。

②可用性：任何客户端的请求都能得到响应数据，不会出现响应错误。换句话说，可用性是站在分布式系统的角度，对访问本系统的客户的另一种承诺：我一定会给您返回数据，不会给你返回错误，但不保证数据最新，强调的是不出错。

③分区容忍性：由于分布式系统通过网络进行通信，网络是不可靠的。当任意数量的消息丢失或延迟到达时，系统仍会继续提供服务，不会挂掉。换句话说，分区容忍性是站在分布式系统的角度，对访问本系统的客户端的再一种承诺：我会一直运行，不管我的内部出现何种数据同步问题，强调的是不挂掉。

BASE理论

• BA：（Basically Available ），基本可用。
• S：（ Soft State），软状态，状态可以在一段时间内不同步。
• E：（Eventually Consistent ），最终一致，在一定的时间窗口内， 最终数据达成一致即可。

  基本可用（Basically Available）

  当分布式系统出现不可预知的故障时，允许损失部分的可用性。并不代表系统是不可用的状态，下面简单举两个常见的例子：

  响应延时：一个常规查询操作正常需要100ms，但是由于网络故障，或部分区域服务故障，导致此类查询的响应时间时间增加，变成1s甚至更多等。

  功能上的损失：在大规模的电商网站，由于购物高峰的流量激增，可能将部分用户流量引导到降级页面。

  软状态（Soft state）

  也可以称之为若状态，允许系统的数据存在一些中间的状态，并且该状态不会影响系统整体的可用性。

  简单说允许系统服务的副本间在数据同步时存在延时。

  最终一致性（Eventually consistency）

  强调系统所有的副本数据，在一定时间的同步后，达到一致的效果。

  核心就是在最终的时间点，所有副本的状态保持一致。允许中间不同步的延迟存在。

  最终一致性是一种特殊的弱一致性。

• 而在实际工程实践中，最终一致性分为5种：

  因果一致性（Causal consistency）

  因果一致性指的是：如果节点A在更新完某个数据后通知了节点B，那么节点B之后对该数据的访问和修改都是基于A更新后的值。于此同时，和节点A无因果关系的节点C的数据访问则没有这样的限制。

  读己之所写（Read your writes）

  读己之所写指的是：节点A更新一个数据后，它自身总是能访问到自身更新过的最新值，而不会看到旧值。其实也算一种因果一致性。

  会话一致性（Session consistency）

  会话一致性将对系统数据的访问过程框定在了一个会话当中：系统能保证在同一个有效的会话中实现 “读己之所写” 的一致性，也就是说，执行更新操作之后，客户端能够在同一个会话中始终读取到该数据项的最新值。

  单调读一致性（Monotonic read consistency）

  单调读一致性指的是：如果一个节点从系统中读取出一个数据项的某个值后，那么系统对于该节点后续的任何数据访问都不应该返回更旧的值。

   单调写一致性（Monotonic write consistency）

  单调写一致性指的是：一个系统要能够保证来自同一个节点的写操作被顺序的执行。            然而，在实际的实践中，这 5 种系统往往会结合使用，以构建一个具有最终一致性的分布式系统。实际上，不只是分布式系统使用最终一致性，关系型数据库在某个功能上，也是使用最终一致性的，比如备份，数据库的复制过程是需要时间的，这个复制过程中，业务读取到的值就是旧的。当然，最终还是达成了数据一致性。这也算是一个最终一致性的经典案例。