kafka CAP理论

C:Consistency,一致性

1.  通过某个节点的写操作结果对后面通过其他节点的读操作可见

2. 如果更新数据后，并发访问情况下可立即感知该更新，成为强一致性

3. 如果允许之后部分或者全部感知不到该更新，称为弱一致性

4. 若在之后的一段时间（时间不固定）后，一定可以感知该更新，称为最终一致性

A:Availability 可用性

1. 任何一个没有发生故障的节点必须在有限的时间返回合理的结果

P:partition tolerance 分区容忍性

1. 部分节点宕机或者无法与其它节点通信时候，各分区还可以保持分布式系统的功能

 

CAP理论：分布式系统中，一致性/可用性/分区容忍性最多可以满足俩个条件

一般分区容忍性都要求有保障，因此很多时候是在可用性与一致性之间做权衡

 

一致性方案：

1. Master-slave

a. RDBMS的读写分离即为典型的Master-salave方案

b.同步复制可保证一致性但会影响可用性

c.异步复制可提供高可用性但会降低一致性

 

ISR

1. Leader会维护一个与其基本保持同步的Replica列表，该列表称为ISR

每个partition都会有一个leader，每个partition都会有一个ISR

2. 如果一个Follower比leader落后太多，或者超过一定时间未发起数据复制请求，则Leader将其从ISR移除

3. 当ISR中所有Replica都向Leader发送ACK时，Leaders即Commit

 

Commit策略

server配置

replica.lag.time.max.ms = 10000    //你能在落后的时间是10s，超过10s你一直没有想leader发送finish请求，这时就认为follower，有问题，那么就将他从ISR中移除

replica.lag.max.messages = 4000 //如果follower和leader相差4000条，那么也会将它从ISR中移除

当后边我们的follower落后的时间不是10s,然后相差也小于4000条，那么leader会将它重新加入到ISR中

这时就体现了一个 可用性和一致性的动态应用，再做一个权衡

Topic配置

min.insync.replicas = 1

这个可以指定，再我们的ISR中replica最小为1，这里就是没有备份，当我们一致性更好的化，那么就将他设置为2或者3

Producer配置

request.required.acks = 0

这里是异步的情况，不用等待返回，当为1是那么就是同步的，必须给出返回，才认为是成功  -1 这里其实就不是我们自己维护，这里的话是配合我们上一个参数使用的，当我们的replicas大于等于2的时候，这是必须等待我们的俩个副本都进行返回，然后才是成功