CAP理论与BASE理论的理解

---

前言

本文主要讲述关于分布式项目中对CAP理论与BASE理论的理解

---

一、CAP理论

CAP理论作为分布式系统的基础理论，他描述的是一个分布式系统在以下三个特性中：
一致性（Consistency）
可用性（Availability）
分区容错性（Partition tolerance）
最多只能满足两个特性

三个特性分别是什么
一致性：在分布式系统完成某些写操作后任何操作，都应该获取到该写皂搓写入的那个最新的值。各个节点应该保持一致性

可用性：可以一直正常的进行读写操作。客户端不会出现超时，操作失败或者其他异常画面。能够一直得到服务端的响应并正常访问系统

分区容错性：在分布式系统中某个节点或者网络分区出现了故障的时候，整个系统仍然能够对外提供满足可用性和一致性的服务，也就是说部分故障不考虑使用，事实在设计分布式系统时都会考虑到Bug，硬件，网络等各种不可抗原因造成的故障，所以即使某些节点出错时，但是并不影响全局的使用

总结

CAP如何取舍：
CA：优先保证一致性和可用性，放弃分区容错。这也意味着放弃系统的扩展性，系统不再是分布式的，有违背设计原理的初衷
CP：优先保证一致性和分区容错性，放弃可用性。在数据一致性要求比较高的场合，如：zookeeper,Hbase是比较常用的做法，一旦发生网络故障或者消息丢失，就会牺牲用户体验，等系统恢复后才能让用户访问
AP：优先保证可用性和分区容错性，放弃一致性，NoSQL中的Cassandra就是这种架构。与CP一样，放弃一致性不是说一致性就不保证了，而是逐渐变得一致

BASE理论

BASE是对CAP中一致性和可用性权衡的结果，其来源于大规模的互联网分布式系统实践的总结，是基于CAP定律逐步演化而来，其核心思想：即使无法做到强一致性，但每个应用都可以根据自身业务特点，采用适当的方式来达到最终一致性

BASE理论简介

1. 基本可用（Basically Available）
2. 软状态（Soft State）
3. 最终一致性（Eventually Consistent）

---

基本可用

什么是基本可用，如果系统部分功能出现不可预知的故障，但还是能够使用，与完全正常的系统而言
4. 5. 响应时间上的损失
正常情况下，搜索引擎0.5秒将结果返回给用户，而基本可用的搜索引擎可以在2s内将结果返回给用户
6. 功能上的损失
在一些特定的情况下，为保护系统的稳定性，将部分用户引导至一个降级页面

	软状态

什么是软状态？相对于原子性而言，要求多个节点的数据副本都是一致的，这是一种“硬状态”
软状态指：允许系统中的数据存在中间状态，并认为该状态不影响系统的整体可用性，即允许系统在多个不同的节点上数据副本存在数据延时

	最终一致性

软状态不可能一直是软状态，必须要有一个时间限制，期限过后所有数据应该保持一致，这个期限区别于各个方面，如网络延时，系统负载，数据复制方案设计等因素
而实际工程实践中，最终一致性分为5种：

1. 因果一致性
   如节点A与B存在联系，那么节点A进行了数据的更新后，节点B对数据的访问则是基于节点A的更新后的值，于此同时，节点C与A没有联系，则节点C的数据访问则没有这样的限制
2. 读已之所写
   节点A更新数据后，访问的总是自身更新后的最新值，而不会看到旧值。
3. 会话一致性
   会话一致性将系统访问数据的过程框定在一个会话当中，系统保证在同一个有效的会话当中实现“读已之所写”的一致性。也就是说，执行完更新操作过后，客户端能在同一个会话当中总是访问到数据的最新值
4. 单调读一致性
   如果一个节点从系统当中获取到某一数据项的一个值之后，那么系统对于该节点的后续任何数据访问都不应该返回更旧的值
5. 单调写一致性
   一个系统要保证来着同一个节点的写操作被顺序的执行

总结

BASE理论面向的是大型高可用可拓展的分布式系统。与传统ACID特性相关，不同于ACID的强一致性模型，BASE通过牺牲强一致性来获得可用性，并允许数据在一段时间内不一致而最终达到一致状态。
同时，在实际分布式场景中，不同业务对数据一致性的要求也不尽相同，因此ACID与BASE理论往往又会结合起来一起使用