基础-CAP理论

1. 介绍

1.1 定义

CAP 定理(CAP theorem)又被称作布鲁尔定理(Brewer's theorem)，是加州大学伯克利分校的计算机科学家--埃里克·布鲁尔(Eric Brewer)，在 2000 年的 ACM PODC 上提出的一个猜 想。2002 年，麻省理工学院的赛斯·吉尔伯特(Seth Gilbert)和南希·林奇(Nancy Lynch) 发表了布鲁尔猜想的证明，使之成为分布式计算领域公认的一个定理。

CAP 定理，指的是在一个分布式系统(指互相连接并共享数据节点的集合)中，当涉及读写操作时，只能保证一致性(Consistence)、可用性(Availability)、分区容错性(Partition Tolerance)三者中的两个，另外一个必须被牺牲，如图 4-6 所示。

1.2 含义

• 一致性(Consistency)， 对某个指定的客户端来说，读操作保证能够返回最新的写操作结果。一致性又可分为:弱一致性、强一致性、最终一致性。

• 可用性(Availability)，非故障的节点在合理的时间内返回合理的响应(不是错误和超时的响应)。可用性模式可分成:工作到备用切换(Active-passive)、双工作切换(Active-active)

• 分区容错性(Partition Tolerance)，当出现网络分区后，系统能够继续履行职责。

1.3 应用

虽然 CAP 理论定义是三个要素中只能取两个，但放到分布式环境下来思考的话，我们会发 现必须选择 P(分区容错)要素，因为网络本身无法做到 100%可靠，有可能出故障，所以分区是 一个必然的选项。如果我们选择了 CA 而放弃了 P，那么当发生分区现象时，为了保证 C，系统需要禁止写入， 当有写入请求时，系统返回 error，这又和 A 冲突了，因为 A 要求返回 no error 和 no timeout。 因此，分布式系统理论上不可能选择 CA 架构，只能选择 CP 或者 AP 架构。

如图 4-7 所示，为了保证一致性，当发生分区现象后，N1 节点上的数据已经更新到 y，但 由于 N1 和 N2 之间的复制通道中断，数据 y 无法同步到 N2，N2 节点上的数据还是 x。这时客户端 C 访问 N2 时，N2 需要返回 Error，提示客户端面 C:“系统现在发生错误”， 这种处理方式违背了可用性(Availability)的要求，因此 CAP 三者只能满足 CP。

如图 4-8 所示，为了保证可用性，当发生分区现象后，N1 节点上的数据已经更新到 y，但 由于 N1 和 N2 之间的复制通道中断，数据 y 无法同步到 N2，N2 节点上的数据还是 x。这时客户 C 访问 N2 时，N2 将当前自己拥有的数据 x 返回给客户端 C 了，而实际上当前最 新的数据已经是 y 了，这就不满足一致性(Consistency)的要求了，因此 CAP 三者只能满足 AP。注意:这里 N2 节点返回的 x，虽然不是一个“正确”的结果，但是一个“合理”的结果， 因为 x 是旧的数据，并不是一个错乱的值，只是不是最新的数据而已。

2. FAQ

2.1 什么是网络分区

分布式通常假设网络是异步的，意味着网络可能会导致任意的重复、丢失、延迟或者乱序的节点间消息传递。在实际中，TCP状态机会保证节点间消息传递的不丢失、不重复、时序。但是，在Socket级别上，节点接发消息会阻塞，超时等等。检测到网络失败是困难，因为我们唯一能跟得到其他节点状态的信息就是通过网络来得到，延迟跟网络失败也无从区分。这里就会产生一个基本的网络分区问题:高延迟可以考虑作为失败。当分区产生后，我们没有渠道去了解到其他节点到底发生了什么事: 它们是否还存活？或者已经crash？是否有收到消息？是否正在尝试回应。当网络最终恢复后，我们需要重新建立连接然后尝试解决在不一致状态时的不一致。很多系统在解决分区时会进入一个特殊的降级操作模式。CAP理论也告诉我们要么得到一致性要么高可用性，但是很少有数据库系统能够达到CAP理论的极限，多数只是丢失数据。

2.2 什么是TCP状态机

3. 参考资料