CAP、BASE 理论

CAP 理论

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。该定理指出一个分布式系统不可能同时满足以下3点情况：

• C：consistency，一致性。等同于所有节点访问同一份最新的数据副本。
• A：availability，可用性。每次请求都能获取到非错的响应，但不能保证数据是最新的。
• P：partition tolerance，分区容错性。允许网络丢失从一个服务节点到另外一个服务节点的任意信息，系统仍能继续运行。

CAP定理表明，当不同服务节点间发生了网络故障或高延迟时，可能使得网络消息丢失。此时，要么失去一致性（即使消息丢失，仍正常响应对外提供服务），要么失去可用性（若消息丢失，即没有接收到消息消费成功的响应，则停止服务）。所以对于一个分布式系统来说，不可能同时完全满足以上三点，最多只能保证两点。

必要条件解释

下面构建一个简单的分布式系统：假设有两个服务节点，并保存相同变量v，双方及客户端之间都可以相互访问。更详细的分别看一下什么是一致性、可用性、分区容错性。

一致性

在保证一致性的系统中，如果客户端向某个节点上的某个变量写入了任意值，并且服务节点进行了确认响应。那么客户端在从任意服务节点读取该变量，都应是最新值。

可用性

在保证可用性的系统中，向任意没有宕机的服务节点进行访问，服务节点必须能够正常响应客户端（响应数据可能不是最新的）。

分区容错性

先解释一下什么是分区：当系统不能在时限内达成数据一致性，则认为产生了分区。通俗的理解：比如有两个服务节点A、B，由于底层网络设备故障使得 A 、B 节点无法通信，或 A、B 某个节点宕机使得二者不能进行通信，即可称之为 A、B 发生了分区。

在保证分区容错性的系统中，允许网络丢失从一个服务节点到另外一个服务节点的任意信息，系统仍能继续运行。
假设所有的消息都丢失了，我们的系统变成了这样：

为了保证分区容错性，我们的系统必须在任意个不通的网络分区下正常工作。

为什么不能同时满足

讨论完 CAP 的三个必要条件后，在证明一下，为什么在分布式系统中，三者不能同时具备。

1. 既然是分布式架构，那么高可用即单服务多节点部署这一点是一定要具备的，否则与单机部署服务没有差异。
2. 既然是多节点部署的，那么就一定要满足分区容错性。
3. 又因为网络故障、高延迟的这一客观问题的存在，当发生网络问题时，如何做到既要保证一致性也保证可用性？是做不到的，因为二者是互相冲突不相容的。

如果继续等待，则满足 CP。
如果立即返回，则满足 AP。

无论选择哪个，都会失去另一个。

BASE 理论

BASE理论是对CAP的一种解决思路，包含三个思想:

1. Basically Available (基本可用)：分布式系统在出现故障时，允许损失部分可用性，即保证核心可用。
2. Soft state (软状态)：在一定时间内，允许出现中间状态，比如临时的不一致状态
3. Eventually Consistent (最终一致性)：虽然无法保证强一致性，但是在软状态结束后，最终达到数据一致

BASE 理论的三个思想，主要针对 CAP 理论中 CA 矛盾的一种调和。

1. CP：如果达到了强一致性，就必须牺牲可用性。但是在 BASE 中的思想是：基本可用。服务节点并不是一直不可用，仅是临时的不可用，优先保障核心功能节点可用。
2. AP：如果达到了强可用性，就必须牺牲一致性。但是在 BASE 中的思想是：软状态 + 最终一致性。即在短时间内允许数据出现不一致，但最终会达到数据一致。