分布式CAP理论

什么是CAP

CAP是Eric Brewer于1998年提出的，是分布式系统的最为基础和关键的理论。

其中C为consistency一致性：表示每次写入为什么，读出来的就为什么。
A为availability可用性：表示系统能够一直不间断地提供服务。
P为partition tolerance分区容忍性：表示系统系统存在可提供同样服务的两个子系统（可理解为数据有多份，类似主备结构、主主结构）。
这三个指标不可能同时做到。这个结论就叫做 CAP 定理。
它表明对于分布式系统，在存在网络分区的情况下，一致性和可用性只能二选一，不可能同时满足。
一旦网络出现问题，系统要么不可用，要么得接受获取到的结果不一致。

CAP的理解

为什么cap不能同时满足，不难理解。在分区网络中，子系统之间的网络可能会出现问题，如果出现问题了，就会可能影响他们直接数据的同步，如下：

cli向A写入一条新数据，正常A需要向B同步这个修改，就是上图的2，但是A出现了网络问题，导致同步失败。这时客户端向B拉数据获取不同写入的那条数据。这就是不一致。相对的，如果需要满足一致性，那A网络出问题的时候，整个系统就不再对外提供服务，而应该返回失败，这就是系统的不可用。

对于不同的场景，和组件，应该如何平衡cap作取舍。

1. CA (consistency + availability)，这样的系统关注一致性和可用性，它需要非常严格的全体一致的协议，比如“两阶段提交”（2PC）。CA 系统不能容忍网络错误或节点错误，一旦出现这样的问题，整个系统就会拒绝写请求，因为它并不知道对面的那个结点是否挂掉了，还是只是网络问题。唯一安全的做法就是把自己变成只读的。
2. CP (consistency + partition tolerance)，这样的系统关注一致性和分区容忍性。它关注的是系统里大多数人的一致性协议，比如：Paxos 算法（Quorum 类的算法）。这样的系统只需要保证大多数结点数据一致，而少数的结点会在没有同步到最新版本的数据时变成不可用的状态。这样能够提供一部分的可用性。
3. AP (availability + partition tolerance)，这样的系统关心可用性和分区容忍性。因此，这样的系统不能达成一致性，需要给出数据冲突，给出数据冲突就需要维护数据版本。Dynamo 就是这样的系统。