CAP理论原理、ACID、BASE
1.1 CAP原理
在理论计算科学中,CAP定理(CAP theorem)又被称为布鲁尔定理(Brewei’s theorem),它指出对于一个分布式计算系统来说,不可能同时满足以下三点:
- 一致性(Consistency):等同于所有节点访问同一份最新的数据副本。
- 可用性(Availability):对数据更新具备高可用性。
- 网络分区容忍性(Partition tolerance):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。
解释:在一个分布式系统中,往往存在多个节点,任意两个节点之间都是通过一定的关系相连的。当系统出现故障导致两个节点之间的相连关系中断时,就会产生分区,分区会导致某个数据在访问时访问不到。而解决这个问题的办法就是把数据存放在多个点内,这样当一个点不可达时,可以通过访问其它点获得数据。这样就提高了分区容忍性,然而这样做会存在一个问题:多个点就导致访问时,由于更新需要时间,读取不同的点时,可能得到的数据不一致(不满足C原则),解决的办法就是当数据更新后在响应访问,然而这样做又会导致可用性降低(不满足A原则)。因此,在满足P原则的情况下,C原则和A原则不能同时满足。而若要满足C原则和A原则,则只能保证每个数据只有在一个点有记录,那就不满足P原则。因而,得到了CAP原理。
1.2 事物的ACID特性
- A(Atomicity)原子性:事务是一个不可再拆分的最小单位,要么整个执行,要么整个回滚。
- C(Consistency)一致性:事务要保证数据库整体数据的完整性和业务的数据的一致性,事务成功提交整体数据修改,事务错误则回滚到数据回到原来的状态。
- I(Isolation)隔离性:隔离性是说两个事务的执行都是独立隔离开来的,事务之前不会相互影响,多个事务操作一个对象时会以串行等待的方式保证事务相互之间是隔离的。
- D(Durability)持久性:持久性是指一旦事务成功提交后,事务处理过的数据将会保存到数据库,不能再进行回滚。
1.3 BASE理论
BASE理论是由eBay架构师提出的。BASE是对CAP中一致性和可用性权衡的结果,其来源于对大规模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。
其核心思想是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,采用适当的方式来使系统达到最终一致性。
- Basically Available(基本可用):系统出现了不可预知的故障,但仍然可用。(如响应时间变慢、部分功能缺失)
- Soft State(软状态):允许系统在多个不同节点的数据副本存在数据延时,即数据存在中间状态。
- Eventually Consistent(最终一致性):软状态必须有时间限制,在期限过后,应当保证所有副本保持数据一致性,从而达到数据的最终一致性。
其中,最终一致性分为5种:
-
因果一致性(Causal consistency)
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。与此同时,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)
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)
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。
总结:BASE理论不同于ACID的强一致性模型,而是提出通过牺牲强一致性来获得可用性,并允许数据段时间内的不一致,但是最终达到一致状态。