CAP:C(一致性),A(可用性),P(分区容错)
AP
当网络分区出现后,为了保证可用性,系统B可以返回旧值,保证系统的可用性。
结论:违背了一致性C的要求,只满足可用性和分区容错,即AP
CP
当网络分区出现后,为了保证一致性,就必须拒绝请求,否则无法保证一致性。
结论:违背了可用性A的要求,只满足一致性和分区容错,即CP
理论
CAP原则又称CAP定理,指的是在一个分布式系统中,一致性(Consistency)、可用性(Availability)、分区容错性(Partition tolerance),但是CAP 原则指示3个要素最多只能同时实现两点,不可能三者兼顾,由于网络硬件肯定会出现延迟丢包等问题,但是在分布式系统中,我们必须保证部分网络通信问题不会导致整个服务器集群瘫痪,另外即使分成了多个区,当网络故障消除的时候,我们依然可以保证数据一致性,所以我们必须保证分区容错性;
至于剩下的一致性和可用性,我们需要二选一,但是鱼和熊掌不可兼得,假设我们选择一致性,那我们就不能让用户访问无法进行数据同步的机器,毕竟该机器上的数据和其他正常机器上的不一致,但是这样我们就丢弃了可用性;假设我们选择可用性,那我们就可以让用户访问无法进行数据同步的服务器,虽然保证了可用性,但是我们无法保证数据一致性。
具体解释如下:
上面的图少了一部分,这里补上:
动画演示:
可以通过分布式系统中实现一致性的raft算法来了解一下,该算法用动画演示了领导选举、日志复制等过程,这些过程保证在分区错误的情况下依然保证整个集群的数据一致性,其中有一个自旋时间决定节点变成选举人,还有一个心跳时间来发送日志,现在来说一下具体过程,假设当前集群初始启动,之后等到一个自旋时间经过之后,所有人都变成了候选人,之后进行投票,票数最高会成为领导,当然可以会经过多轮选举领导人,领导人在自旋心跳时间之后就会给跟随者发送心跳,然后获得他们的心跳,了解他们是否还活着,如果领导挂掉,那么将再次进行选举,知道选出领导人,当然跟随者死了是不会进行选举的,即使之前挂掉的老领导再回来,它也只能当跟随者了,那些活过来的跟随者会从领导者那里复制日志数据,从而保证集群的数据一致性;如果由于网络原因导致多个节点变成了多个区域,比如之前是5个节点,由于网络原因分成了2个区,那么这两个区独自选择领导,当网络恢复之后,网络故障之前的领导将成为新的领导(如果这个另外还是分区领导的话),它将删除自己还没有使用的日志信息,之后从另外一个分区前领导那里复制日志数据,用来保证集群的数据一致性,这些知识点在上面那个网站中都有演示到,最后再说一点领导选举需要大多数人同意,也就是所有节点的一半以上,比如6个要有一个节点得到4个节点的赞同才能成为领导,即使由于网络故障被分区了也是这样,看的是全部的节点,而不是由于网络故障造成的分区节点,所以在网络故障造成的分区中由于一个分区只有2个节点,而全部有6个节点,所以2个节点的不能选出领导,但是那2个节点之前有一个是老领导,那我们使用的还是是老的领导,如果这2个节点之前没有一个节点是领导,那就不会有领导;
以上是分步演示,还有一个网站可以自己去控制过程,它就是raft算法动画演示,我们可以通过该网站来模拟leader宕机后的领导选举、领导如何保存数据等等过程
AP架构
明显AP结构选择了高可用和分区容错性,此时,那个失去联系的节点依然可以向系统提供服务,不过它的数据就不能保证是同步的了(失去了C属性)。Eureka就是一个AP架构的例子,当Eureka客户端心跳消失的时候,那Eureka服务端就会启动自我保护机制,不会剔除该EurekaClient客户端的服务,依然可以提供需求;
CP结构
CP结构选择的是一致性和分区容错性,如果选择一致性C(Consistency),为了保证数据库的一致性,我们必须等待失去联系的节点恢复过来,在这个过程中,那个节点是不允许对外提供服务的,这时候系统处于不可用状态(失去了A属性)。最好的例子就是zookeeper,如果客户端心跳消失的时候,zookeeper会很快剔除该服务,之后就无法提供需求;
作者:明快de玄米
链接: https://blog.csdn.net/qq_42449963/article/details/105470515
来源:csdn
补充
理论扩展
CAP理论提出就是针对分布式数据库环境的,所以,P这个属性是必须具备的。
在分布式环境下,为了保证系统可用性,通常都采取了复制的方式,避免一个节点损坏,导致系统不可用。那么就出现了每个节点上的数据出现了很多个副本的情况,而数据从一个节点复制到另外的节点时需要时间和要求网络畅通的,所以,当P发生时,也就是无法向某个节点复制数据时,这时候你有两个选择:
选择可用性 A(Availability),此时,那个失去联系的节点依然可以向系统提供服务,不过它的数据就不能保证是同步的了(失去了C属性)。
选择一致性C(Consistency),为了保证数据库的一致性,我们必须等待失去联系的节点恢复过来,在这个过程中,那个节点是不允许对外提供服务的,这时候系统处于不可用状态(失去了A属性)。
场景
最常见的例子是读写分离,某个节点负责写入数据,然后将数据同步到其它节点,其它节点提供读取的服务,当两个节点出现通信问题时,你就面临着选择A(继续提供服务,但是数据不保证准确),C(用户处于等待状态,一直等到数据同步完成)。