分布式系统核心理论

分布式系统正变得越来越重要，大型网站几乎都是分布式的。

分布式系统的最大难点，就是各个节点的状态如何同步。CAP定理是这方面的基本定理，也是理解分布式系统的关键。

CAP理论

在一个分布式环境下，存在3个核心需求：

• 数据的一致性(Consistency)
• 系统的高可用性(Availablity)
• 分区容错性(Partition Tolerance)

一致性

写操作之后的读操作必须返回该值。

对于一个将数据副本分布在不同分布式节点上的系统来说，如果对第一个节点的数据进行了更新操作并且更新成功后，却没有使得第二个节点上的数据得到相应的更新，于是在对第二个节点的数据进行读取操作时，获取的依然是老数据（或称为脏数据），这就是典型的分布式数据不一致的情况。在分布式系统中，如果能够做到针对一个数据项的更新操作执行成功后，所有的用户都可以读取到其最新的值，那么这样的系统就被认为具有强一致性

可用性

可用性指系统只要收到用户的请求，服务器需要在有限的时间内返回结果

分区容错性

由于网络故障可能导致区间通信失败，这个时候平台仍然需要对外提供满足一致性和可用性的服务，除非整个网络环境都发生了故障

这3个理论中，不可能同时满足，只能满足两个。由于分区容错必须考虑，因此一致性和可用性只能选择一个。

BASE理论

Base理论主要内容为:

• Basically Available --基本可用
• Soft-state --软状态 柔性事务
• Eventual Consistency --最终一致性
  base理论的核心思想是：即使无法做到强一致性，但是每个应用应该根据自身业务特点，采用适当的方式来使系统达到最终一致性

基本可用

分布式系统在出现不可预知故障的时候，允许损失部分可用性

1. 响应时间上的损失
2. 系统功能上的损失

软状态

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

最终一致性

分布式系统的数据最终能够达到一致，不需要实时保证系统数据的强一致性

---

CAP理论和BASE理论面向的是大型高可用可扩展的分布式系统，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是不一致的，但最终达到一致状态。