分布式事务和分布式id

BigHong123

已于 2022-07-26 21:35:08 修改

阅读量119

点赞数

文章标签：分布式 zookeeper java

于 2022-02-21 08:59:42 首次发布

本文链接：https://blog.csdn.net/qq_23412557/article/details/123039899

版权

分布式事务理论

CAP定理（CAP theorem）

在理论计算机科学中，CAP定理（CAP theorem），又被称作布鲁尔定理（Brewer'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

选项	具体意义
一致性（Consistency）	所有节点访问同一份最新的数据副本
可用性（Availability）	每次请求都能获取到非错的响应，但是不保证获取的数据为最新数据
分区容错性（Partition tolerance）	分布式系统在遇到任何网络分区故障的时候，仍然能够对外提供满足一致性和可用性的服务，除非整个网络环境都发生了故障

而CAP指的就是上述三个指标的首字母

一般是满足CP 或 AP 其中AP居多（P是分布式系统的基本要求）

BASE理论

如前文中说CAP定理是三个单词的缩写，BASE也是一样，是由Basically Available(基本可用)，Soft state（软状态）,和 Eventually consistent（最终一致性）三个短语的缩写。

Basically Available(基本可用)

基本可用是相对于正常的系统来说的,常见如下情况

响应时间上的损失：正常情况下的搜索引擎0.5秒即返回给用户结果，而基本可用看的搜索结果可能要1秒，2秒甚至3秒（超过3秒用户就接受不了了）
功能上的损失：在一个电商网站上，正常情况下，用户可以顺利完成每一笔订单，但是到了促销时间，可能为了应对并发，保护购物系统的稳定性，部分用户会被引导到一个降级页面

Soft state（软状态）

软状态是相对原子性来说的（比如支付中的状态）

原子性（硬状态） -> 要求多个节点的数据副本都是一致的,这是一种"硬状态"
软状态（弱状态） -> 允许系统中的数据存在中间状态,并认为该状态不影响系统的整体可用性,即允许系统在多个不同节点的数据副本存在数据延迟

Eventually consistent（最终一致性）

弱一致性
和强一致性相对
系统并不保证连续进程或者线程的访问都会返回最新的更新过的值。系统在数据写入成功之后， 不承诺立即可以读到最新写入的值，也不会具体的承诺多久之后可以读到。但会 尽可能保证在某个时间级别（比如秒级别）之后，可以让数据达到一致性状态。
最终一致性是弱一致性的特定形式