【SpringCloud微服务笔记05】分布式中的CAP原理

一、CAP概念

 ①一致性：（保持服务可用，多节点）

        访问所有的节点得到的数据应该是一样的。注意，这里的一致性指的是强一致性，也就是数据更新完，访问任何节点看到的数据完全一致，要和弱一致性，最终一致性区分开来。

        维基百科：对于客户端的每次读操作，要么读到的是最新的数据，要么读取失败。换句话说，一致性是站在分布式系统的角度，对访问本系统的客户端的一种承诺：要么我给您返回一个错误，要么我给你返回绝对一致的最新数据，不难看出，其强调的是数据正确。

②可用性：（多节点数据一致）

        所有的节点都保持高可用性。注意，这里的高可用还包括不能出现延迟，比如如果节点B由于等待数据同步而阻塞请求，那么节点B就不满足高可用性。

        维基百科：任何客户端的请求都能得到响应数据，不会出现响应错误。换句话说，可用性是站在分布式系统的角度，对访问本系统的客户的另一种承诺：我一定会给您返回数据，不会给你返回错误，但不保证数据最新，强调的是不出错。

③分区容忍性：（是否可以将数据存放到多个地方）

        这里的分区是指网络意义上的分区。由于网络是不可靠的，所有节点之间很可能出现无法通讯的情况，在节点不能通信时，要保证系统可以继续正常服务。

        维基百科：由于分布式系统通过网络进行通信，网络是不可靠的。当任意数量的消息丢失或延迟到达时，系统仍会继续提供服务，不会挂掉。换句话说，分区容忍性是站在分布式系统的角度，对访问本系统的客户端的再一种承诺：我会一直运行，不管我的内部出现何种数据同步问题，强调的是不挂掉。

二、权衡C、A、P

参考文章：https://blog.csdn.net/u013332124/article/details/82874178

        一个数据分布式系统不可能同时满足C和A和P这3个条件。所以系统架构师在设计系统时，不要将精力浪费在如何设计能满足三者的完美分布式系统，而是应该进行取舍。因此我们可以满足其中的两项，即：AC,AP,CP

        AC:（放弃分区容忍，物理数据库）

        AP:（可以短暂允许数据的不一致）

        CP:（放弃可用性）

假设有节点data1和节点data2，一开始有个数据number=1。之后向data1提交更新，将数据number设置为2。接着data1就需要将更新推送给data2，让data2也更新number数据。

1.满足A和C的条件下

        如果要保持高度可用性和一致性，就得保证网络良好且可靠。这样data1才能立即将更新消息发送给data2。但是我们都知道网络是不可靠的，是会存在丢包的情况的。所以要满足即时可靠更新，只有将data1和data2放到一个区内才可以，也就丧失了P这个保证。其实这时候整个系统也不能算是一个分布式系统了。

2.满足A和P的条件下

        为了保证高可用性，data1和data2都有在有限时间内返回。同样由于网络的不可靠，在有限时间内，data2有可能还没收到data1发来的数据更新消息，这时候返回给客户端的可能是旧的数据，和访问data1的数据是不一致的，也就是违法了C。

3.满足P和C的条件下

为了保证数据一致性，data1需要将数据复制给data2，即data1和data2需要进行通信。但是由于网络是不可靠的，我们系统有保证了分区容忍性，也就是说这个系统是可以容忍网络的不可靠的。这时候data2就不一定能及时的收到data1的数据复制消息，当有请求向data2访问number数据时，为了保证数据的一致性，data2只能阻塞等待数据真正同步完成后再返回，这时候就没办法保证高可用性了。

三、总结

        对于大型的互联网应用来说，主机众多，应用分散，规模集群越来越大，因此，网络和节点的故障也变得常态化，分区容错性就成了分布式系统的一个重要的必须所面对的问题。那么我们只能在C和A之间做出抉择，但是这也并不是绝对的一定要舍弃两者中的一者，不同的应用场景可以决定你可以使用哪种策略。适合的才是最好的。