CAP理论

分布式系统在设计与处理时，往往会考虑可用性与数据一致性的问题，因此引入了 CAP 理论分析分布式系统设计

定义

维基百科：

• Consistency ： Every read receives the most recent write or an error

• Availability ： Every request receives a (non-error) response, without the guarantee that it contains the most recent write

• Partition tolerance ： The system continues to operate despite an arbitrary number of messages being dropped (or delayed) by the network between nodes

解释

• 一致性： 客户端每次读取数据时，要么返回错误，要么返回最新数据。

  • 一致性强调的是数据是最新、一致且正确的。

• 可用性： 客户端每次请求都能得到非异常的响应，可以不保证数据是最新的。

  • 可用性强调的是不向外界暴露错误或异常

• 分区容错性： 当节点之间的网络出现丢包时，系统仍能对外提供服务。

  • 分区容错性强调的是服务不会因一个节点故障导致系统错误，整个系统能够保证不宕机。

CAP 理论即：一个分布式系统，不可能同时做到以上三点

C、A、P的冲突

若要保证一致性与可用性，就必须舍弃分区策略。

在单机服务上，我们可以保证数据的高一致性与可用性，但加入分区之后就不可以，因为我们无法忽略网络延迟与网络故障。

若要保证一致性和分区容错性，就无法保证可用性。

维护数据一致性在分区策略中必须采取数据同步策略，那么在数据同步期间，就必须使得新的请求阻塞，否则就会破坏数据一致。

若要保证可用性和分区容错性，就必须舍弃一致性。

若保证系统实时访问，就必定存在在节点之间做数据同步的过程中，访问不同节点出现的不同数据。

C、A、P的取舍

舍弃 P，即放弃分区。

这在单机服务中是可行的，但违背了分布式系统的设计初衷，所以分布式系统一般都是在 C、A之间抉择。

舍弃 A，即放弃高可用。

这类系统一般是要求强数据一致性的系统，例如对于大多数的分布式数据库来说，数据一致性是最基本的要求。但分区之间的同步会限制用户对系统的访问，而且需要面临网络故障或消息丢失导致的同步时间延长，影响客户体验的问题。

舍弃 C，即放弃一致性。

为了保证高可用，分区之间会使用本地数据提供服务，因此会出现全局数据可能不一致的情况。此类系统一般是为了提高用户体验而牺牲了一定的数据一致性。例如商品抢购、订单等场景，可能用户浏览的库存余量并不是真实的库存，但是避免了用户访问时出现严重的阻塞。