分布式系统理论

CAP理论

聊到分布式，必定绕不开CAP理论。CAP理论认为，一个分布式系统，最多可以满足其中的两项，这就意味着需要牺牲第三项。其中P是必须要满足的，否则可能单点故障导致整个分布式系统不可用状态，所以每个服务要做冗余部署。所以需要在A和C做取舍。如果选择A，意味着每次数据更新需要做同步到冗余节点，此时系统无法马上获取最新数据。如果要马上获取最新数据，只能晚点再同步数据到冗余节点。

C：一致性：指强一致性，更新操作成功后，所有节点在同一时间的数据是一致的。
A：可用性：服务一直可用。
P：分区容错性：分布式系统在遭遇节点故障或者网络分区故障的时候，仍然具备对外提供服务的能力。这就意味着单个服务需要做冗余部署，而不是单机部署。

BASE理论

BASE理论的核心是，即使无法做到强一致性，但应用可以采用适合的手段达到最终一致性。

1. 基本可用：分布式系统出现故障时，允许损失部分可用性，即保证核心服务可用。比如双十一大促，可能会把非核心功能暂停，例如退款、评论功能等，保证登录、搜索等功能的正常运行。
2. 软状态：允许系统出现中间状态，而该中间状态不会影响服务的整体可用性。比如一份数据可能有多份副本，允许副本之间的数据同步延迟，mysql的异步同步复制也是一种体现。
3. 最终一致性：节点中的数据在最后达到数据一致。

三种数据一致性辨析

分布式系统中，节点都是会冗余部署的，它们之间的数据同步机制决定了属于哪一种一致性。
强一致性：数据同步完成之前，该数据不可用。一般依赖分布式锁达到强一致性。
弱一致性：节点之间的数据不存在同步的过程，从不同节点读到的数据可能一直都不一致。
最终一致性：类似mysql的binlog同步机制，每隔一段时间，才将binlog数据同步给从节点。比如zk，超过半数同步完成，就会commit数据到内存，响应客户端成功。