谈谈CAP定理和BASE理论

首先说说分布式面临的几个问题：

1）通信异常

网络本身的不可靠性，因此每次网络通信都会伴随着网络不可用的风险(光纤、路由、DNS等硬件设备或系统的不可用)，都会导致最终分布式系统无法顺利进行一次网络通信，另外，即使分布式系统各节点之间的网络通信能够正常执行，其延时也会大于单机操作，存在巨大的延时差别，也会影响消息的收发过程，因此消息丢失和消息延迟变得非常普遍。

2）网络分区

网络之间出现了网络不连通，但各个子网络的内部网络是正常的，从而导致整个系统的网络环境被切分成了若干个孤立的区域，分布式系统就会出现局部小集群，在极端情况下，这些小集群会独立完成原本需要整个分布式系统才能完成的功能，包括数据的事务处理，这就对分布式一致性提出了非常大的挑战。

3）节点故障

节点故障是分布式系统下另一个比较常见的问题，指的是组成分布式系统的服务器节点出现的宕机或"僵死"现象，根据经验来说，每个节点都有可能出现故障，并且经常发生。

4）三态

分布式系统每一次请求与响应存在特有的"三态"概念，即成功、失败和超时。

分布式系统中，由于网络是不可靠的，虽然绝大部分情况下，网络通信能够接收到成功或失败的响应，但当网络出现异常的情况下，就会出现超时现象，通常有以下两种情况：

1.由于网络原因，该请求并没有被成功的发送到接收方，而是在发送过程就发生了丢失现象。

2.该请求成功的被接收方接受后，并进行了处理，但在响应反馈给发送方过程中，发生了消息丢失现象。

CAP定理

2000 年7月的时候，加州大学伯克利分校的Eric Brewer 教授提出了 CAP 猜想，2年后，被 来自于麻省理工的Seth Gilbert 和 Nancy Lynch 从理论上证明了猜想的可能性，从此，CAP 定理正式在学术上成为了分布式计算领域的公认定理。并深深的影响了分布式计算的发展。

CAP理论含义是，一个分布式系统不可能同时满足一致性（C:Consistency），可用性（A:Availabilty）和分区容错性（P:Partition tolerance）这三个基本需求，最多只能同时满足其中的两个。

选项	描述
C 一致性	分布式系统当中的一致性指的是所有节点的数据一致，或者说是所有副本的数据一致
A 可用性	Reads and writes always succeed. 也就是说系统一直可用，而且服务一直保持正常
P 分区容错性	系统在遇到一些节点或者网络分区故障的时候，仍然能够提供满足一致性和可用性的服务

我们可以举一个例子，来证明为什么CAP不能同时满足

假如有一个系统如下：

 

有用户向N1发送了请求更改了数据，将数据库的数据从V0更新成了V1。这个时候由于网络断开了，所有N2数据库里面的数据还是V0，如果这个时候有一个请求发给了N2，但是N2并没有办法给出最新的数据V1，这个时候怎么办呢？

这个时候无非有两种方法，一种就是将错就错，返回错误的数据V0。第二种是阻塞等待，等待网络通信恢复，N2更新最新的数据库V1，然后返回给用户。很显然，前者就是牺牲了数据的一致性，后者就是牺牲了可用性。

这个简答的例子就说明了，在分布式系统中，CAP三个特性是无法同时满足的，必然要舍弃一个。三者舍弃一个，也有三种排列组合。

1）舍弃A（可用性），保留CP（一致性和分区容错性）

一个系统保证了一致性和分区容错性，舍弃可用性。也就是说在极端情况下，允许系统出现无法访问的情况，这个时候，往往会牺牲用户体验，让用户保持等待，一直到系统数据一致了之后，才恢复服务。

2） 舍弃C（一致性），保留了AP（可用性和分区容错性）

这种是大部分的分布式系统的设计，保证了高可用和分区容错性，但是会牺牲一致性。

3）舍弃P（分区容错性），保留了CA（一致性和可用性）

分区容错性是分布式系统的一个前提，没有P，也就没有分布式系统，这种情况是不存在的。

BASE 理论

什么是base理论？

BASE:全称：Basically Available（基本可用），Soft state（软状态），和Eventually consistent（最终一致性）这是三个短语的缩写。

BASE是对CAP中一致性和可用性权衡的结果，BASE理论的核心思想是：即使无法做到强一致性，但每个应用都可以根据自身业务的特点，，采用适当的方法来试系统达到最后一致性的。

1）Basically Available(基本可用)

基本可用是指分布式系统在出现不可预知故障的时候，允许损失部分可用性——但请注意，这绝不等价于系统不可

用。以下就是两个"基本可用"的例子

响应时间上的损失：正常情况下，一个在线搜索引擎需要在0.5秒之内返回给用户相应的查询结果，但由于出

现故障（比如系统部分机房发生断电或断网故障），查询结果的响应时间增加到了1~2秒。

功能上的损失：正常情况下，我们在淘宝购物，平时就很顺利的西单购物，但是到了淘宝双十二，京东618时候，由于购物人数剧增，为了保护系统的稳定性（或者保证一致性），部分消费者可能会被引导到一个降级页面，比如活动火爆请稍后再试。

2）Soft state（软状态）

什么是软状态呢？相对于一致性，要求多个节点的数据副本都是一致的，这是一种"硬状态"。

软状态是指：允许系统中的数据存在一个中间状态，并认为该状态不影响系统的整体可用性，意思就是允许系统多个节点数据副本同步存在一个延迟。

3）Eventually consistent（最终一致性）

最终一致性强调是的系统中所有的数据副本，在经过一段时间的同步后，最终能达到一个一致的状态。因此最终一致性的本质是需要系统保证最终数据能达到一个一致，而不是说实时保持一致性。