cap 理论

1998年，加州大学的计算机科学家 Eric Brewer 提出，分布式系统有三个指标。

• Consistency
• Availability
• Partition tolerance

它们的第一个字母分别是 C、A、P。

Eric Brewer 说，这三个指标不可能同时做到。这个结论就叫做 CAP 定理。

 

• Consistency （一致性）

同一时刻，所有分区的值是一致的。

若想保证同一时刻，所有分区值是一致的，必须在修改某一分区时，锁定其他分区为不可用，故可用性不能满足。

• Availability（可用性）

任何时刻，都用可用的分区进行响应。

若想任何时刻，都有分区进行相应，则不能保证数据一致性。例如用户 A 在分区 1 修改数据，同是用户 B 请求分区 2，若想要保证可用性，则数据必定是不满足一致性的。

• Partition tolerance （分区容错）：

一个分布式系统里面，节点组成的网络本来应该是连通的。然而可能因为一些故障，使得有些节点之间不连通了，整个网络就分成了几块区域。数据就散布在了这些不连通的区域中。这就叫分区。

当你一个数据项只在一个节点中保存，那么分区出现后，和这个节点不连通的部分就访问不到这个数据了。这时分区就是无法容忍的。

提高分区容忍性的办法就是一个数据项复制到多个节点上，那么出现分区之后，这一数据项就可能分布到各个区里。容忍性就提高了。

然而，要把数据复制到多个节点，就会带来一致性的问题，就是多个节点上面的数据可能是不一致的。要保证一致，每次写操作就都要等待全部节点写成功，而这等待又会带来可用性的问题。

总的来说就是，数据存在的节点越多，分区容忍性越高，但要复制更新的数据就越多，一致性就越难保证。为了保证一致性，更新所有节点数据所需要的时间就越长，可用性就会降低。

 

 

所以，分区容错指的是，通过分区来提高容错，若分区为 1 ，则不能容错，所以分区必定大于1。因此可以认为 CAP 的 P 总是成立。CAP 定理告诉我们，剩下的 C 和 A 无法同时做到。

 

 

 

分布式系统：在互相隔离的空间中，提供数据服务的系统。

CAP抽象：不同空间的数据，在同一时间，状态一致。

C：代表状态一致

A：代表同一时间

P：代表不同空间

CP:不同空间中的数据，如果要求他们所有状态一致，则必然不在同一时间。

AP:不同空间中，如果要求同一时间都可以从任意的空间拿到数据，则必然数据的状态不一致。

CA:不同空间的数据，如果要求任意时间都可以从任意空间拿到状态一致的数据，则空间数必然为1.

 

 

 

链接：https://www.zhihu.com/question/54105974/answer/139037688