分布式事务基础理论——CAP理论

CAP理论

全称：Consistency & Availability & Partition tolerance，分别是一致性、可用性、分区容忍性，这是分布式架构当中最基础的理论。

以电商场景为案例帮助我们理解概念：

这是一个典型的读写分离场景

Consistency

一致性是指写操作后的读操作可以读取到最新的数据，当数据分布在多个节点，从任意节点读取的到的数据都是最新的。

以上图为例，商品信息如果需要做一致性保证的话，就要做满足如下要求：

• 商品服务写入主数据库成功，向从数据库的查询也必须是最新的数据
• 商品服务吸入主数据库失败，从数据也不能查询到新数据

如何保证一致性：

• 写入主数据后要保证数据能同步到从数据库
• 当数据写入主数据库中之后，在数据向从数据库同步的过程中，需要将从数据库锁定，待同步完成之后才能放开，以免出现数据写入主数据库之后，从数据库查询的还是旧数据

分布式系统实现一致性的特点：

• 由于从在数据的同步过程，写操作的响应会有一定的延迟
• 为了保证读取数据时最新的，也就是保证一致性，会对资源进行暂时的锁定，待数据完成后释放锁定的资源
• 如果请求数据在同步数据的时间段内，则优雅的返回错误信息，但是一定不能返回旧数据

Availability

可用性实质任何事务操作都可以的到响应结果，不会出现响应超时或者相应错误，优先保证服务的正常进行。

以上图为例，商品信息如果需要满足可用性的话，就要做满足如下要求：

• 从数据库接收到数据查询的请求，要立即能够响应数据查询结果，即使是旧数据
• 读取从数据不允许出现响应超时或者响应失败

如何保证可用性：

• 写入主数据库后一定要保证将数据同步到从数据
• 由于要保证从数据的读取不能出现响应超时或者响应失败，不能将从数据库中的资源锁定
• 即使数据没有同步完成，从数据库的读取也要能返回查询结果，即使是旧数据，如果连旧数据都没有，则要返回一个优雅的默认信息，坚决不能出现响应超时或者响应失败

分布式系统可用性的特点：

• 所有请求都有响应，优先保证数据的返回，不会出现响应超时或者返回错误

Partition tolerance

通常分布式系统的各个节点都部署在不同的子网（各地服务器），这就是网络分区，难免会出现由于网络问题导致的节点间通信失败，此时系统仍然要能够堆外提供服务，这就是分区容忍性。

以上图为例，商品信息如果需要满足分区容忍性的话，就要做满足如下要求：

• 主数据库向从数据库同部数据失败不影响读写操作（也就是即使同步失败，仍然能保证主数据库的写操作和从数据库的读请求）
• 其中一个节点挂掉不影响其他节点堆外服务

如何实现分区容忍性：

• 尽量使用异步架构取代同步操作，实现松耦合，不能因为一个业务调用链中的某一个节点异常，导致主业务操作失败。
• 尽量增加各个节点的实例，多主多从，保证每一个节点中一定有活着的服务

分区容忍性是分布式系统的基本能力

CAP的组合方式

所有分布式事务场景中不会同时具备CAP三个特性，由之前CAP介绍中可知，C和A是矛盾的不能共存的，P是最基本的能力。

AP

放弃一致性，追求分区容忍性和可用性，这是大多数场景下分布式系统设计的选择。

例如：

• 订单退款，退款成功了，但是钱会在几个工作日内到账，这个过程其实就是放弃了一致性，追求可用性
• 电商网站商品发布，虽然商品已经发布成功了，但是由于数据同步或者是缓存没有及时更新，商品列表可能要过几十秒甚至几分钟才能刷新出新的商品

CP

放弃可用性，追求强一致性和分区容忍性，分布式系统中经常用到的代表中间件zookeeper就是最求强一致的代表

例如：

• 银行转账，只要提示转账成功，那该次转账操作一定是完成的（现在注意到手机银行转账已经是2PC模式了QAQ）

CA

放弃容忍性，即不进行分区，只满足一致性和可用性。实际上这已经是一种垂直架构了，没有分布式的特性了。

不采用主从数据库，数据库可以响应每次查询请求，通过事务隔离级别实现每个查询都可以返回最新的数据。

总结

CAP是一个已经被证实的理论：一个分布式系统系统最多同时能满足一致性、可用性、分区容忍性的两种（其实CA没有P不算是分布式），可以作为架构设计的、技术选型的基础考量标准。对于现在大多数互联网应用场景，结合众多、部署分布，而且现在的集群规模越来越大，所以节点故障、网络故障是常态，要保证服务的高可用的同时，并要达到良好的响应性能，因此一般都会选择AP。