分布式系统设计的2个原则原理-CSDN博客

本文链接：https://blog.csdn.net/m0_55442899/article/details/131423116

文章介绍了分布式系统中的CPA原则，包括一致性、可用性和分区容忍性，并指出三者无法兼得。然后阐述了BASE理论，作为ACID原则的对立面，它强调在大规模分布式环境中，系统可以接受基本可用性、软状态和最终一致性，以换取更高的性能和可扩展性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、什么是CPA

是一个设计和实现分布式系统的基本原则，是一个重要指导思想，

描述在一个分布式系统中的三个目标：

a.一致性（consistency）:所有副本数据在任何时间节点都是一致的《技术手段：分布式事务、强一致性...》；

b.可用性（availability）:对于请求始终有响应，无论时成功的还是失败的《技术手段：冗余备份、容错机制、负载均衡...》；

c.分区容忍性（partition Tolerance）:在节点间有通讯中断的情况，任然可以工作处理请求。

ps：需要注意的是 这三个目标不能同时兼顾最多实现两个。

总结：正常运行时追求一致性和可用性，在网络分区发生时更关注可用性和分区容错性。

二、什么是BASE理论

在分布式中相对于ACID原则提出的一种理论

BASE理论	ACID原则
BASE是指三个原则。基本可用（Basically Available）软状态（Soft State）最终一致性（Eventual Consistency）	ACID原则是指在数据库管理系统（DBMS）中，保证事务的可靠性和一致性的四个基本特性。原子性（Atomicity）一致性（Consistency）隔离性（Isolation）持久性（Durability）。
基本可用（Basically Available）系统在面对异常情况或部分故障时仍然可以保持基本的可用性，即尽可能地响应用户的请求。基本可用性要求系统能够在一定程度上容忍部分故障，而不至于完全不可用。软状态（Soft State）系统中的状态可能会随着时间的推移而改变，这种状态变化可以是中间过程的结果，并且不需要实时达到全局一致。软状态允许系统在不同节点或组件之间存在短暂的数据不一致，但最终会达到一致的状态。最终一致性（Eventual Consistency）最终一致性指的是系统中的所有副本经过一段时间后，将达到一致的状态。分布式系统中的数据复制和传播需要时间，因此不同节点之间的数据一致性可能会有一定的延迟。最终一致性放宽了对实时一致性的要求，而是通过异步的方式最终将数据状态调和为一致。	原子性（Atomicity）：原子性确保一个事务被视为一个不可分割的操作单元，要么全部执行成功，要么全部回滚失败。如果一个事务中的任何一部分失败，系统将撤销整个事务的执行，恢复到最初的状态。一致性（Consistency）：一致性要求事务在执行前后，数据库从一个一致的状态转换到另一个一致的状态。这意味着事务必须遵守预定义的数据完整性和业务规则，以保持数据的正确性。隔离性（Isolation）：隔离性确保并发执行的多个事务相互之间不会影响彼此，每个事务都感觉像是在独立执行。隔离性通过锁定和并发控制机制来避免事务之间产生干扰和冲突。持久性（Durability）：持久性确保一旦事务提交，其所做的更改将永久保存在数据库中，即使在系统发生故障或重启后也是如此。系统通过将事务日志持久化到非易失性存储介质上来实现持久性。
强调对分布式系统的可用性和性能的追求，而不强制要求实现强一致性。 BASE理论的应用广泛，特别是在大规模分布式系统、云计算、NoSQL数据库等场景下。通过采用BASE原则，可以在追求高性能和可扩展性的同时，保证系统的基本可用性和最终一致性。	保证数据库事务的可靠性和一致性，它是传统关系型数据库的核心特性。确保事务正确地执行，避免了数据丢失、不一致或冲突的问题。 ACID原则在大规模分布式系统中可能会面临性能和可扩展性的挑战。因此，在某些分布式场景下，人们更倾向于使用BASE理论，放松强一致性要求以追求更高的可用性和性能。

BASE理论	ACID原则
BASE是指三个原则。基本可用（Basically Available）软状态（Soft State）最终一致性（Eventual Consistency）	ACID原则是指在数据库管理系统（DBMS）中，保证事务的可靠性和一致性的四个基本特性。原子性（Atomicity）一致性（Consistency）隔离性（Isolation）持久性（Durability）。
基本可用（Basically Available）系统在面对异常情况或部分故障时仍然可以保持基本的可用性，即尽可能地响应用户的请求。基本可用性要求系统能够在一定程度上容忍部分故障，而不至于完全不可用。软状态（Soft State）系统中的状态可能会随着时间的推移而改变，这种状态变化可以是中间过程的结果，并且不需要实时达到全局一致。软状态允许系统在不同节点或组件之间存在短暂的数据不一致，但最终会达到一致的状态。最终一致性（Eventual Consistency）最终一致性指的是系统中的所有副本经过一段时间后，将达到一致的状态。分布式系统中的数据复制和传播需要时间，因此不同节点之间的数据一致性可能会有一定的延迟。最终一致性放宽了对实时一致性的要求，而是通过异步的方式最终将数据状态调和为一致。	原子性（Atomicity）：原子性确保一个事务被视为一个不可分割的操作单元，要么全部执行成功，要么全部回滚失败。如果一个事务中的任何一部分失败，系统将撤销整个事务的执行，恢复到最初的状态。一致性（Consistency）：一致性要求事务在执行前后，数据库从一个一致的状态转换到另一个一致的状态。这意味着事务必须遵守预定义的数据完整性和业务规则，以保持数据的正确性。隔离性（Isolation）：隔离性确保并发执行的多个事务相互之间不会影响彼此，每个事务都感觉像是在独立执行。隔离性通过锁定和并发控制机制来避免事务之间产生干扰和冲突。持久性（Durability）：持久性确保一旦事务提交，其所做的更改将永久保存在数据库中，即使在系统发生故障或重启后也是如此。系统通过将事务日志持久化到非易失性存储介质上来实现持久性。
强调对分布式系统的可用性和性能的追求，而不强制要求实现强一致性。 BASE理论的应用广泛，特别是在大规模分布式系统、云计算、NoSQL数据库等场景下。通过采用BASE原则，可以在追求高性能和可扩展性的同时，保证系统的基本可用性和最终一致性。	保证数据库事务的可靠性和一致性，它是传统关系型数据库的核心特性。确保事务正确地执行，避免了数据丢失、不一致或冲突的问题。 ACID原则在大规模分布式系统中可能会面临性能和可扩展性的挑战。因此，在某些分布式场景下，人们更倾向于使用BASE理论，放松强一致性要求以追求更高的可用性和性能。