分布式系统之CAP理论

CAP定理定义

CAP定理，指出对于一个分布式系统来说，不可能同时满足三点：Consistency，Availability，Partition tolerance

• 一致性Consistency：这里的一致性指的是强一致性，所有节点访问同一份最新的数据副本。还有另一种一致性是用户一致性，不同的存储设备里面的副本的数据可能是不一样的，但是当终端的用户访问的时候，通过一些纠正错误的方法，保证能返回一个一致的正确数据给用户。
• 可用性Availability:服务一直可以使用，每一次请求都能在正常的时间内得到响应。通常会把一份数据做多个数据备份，存到不同的存储设备上，如果一个存储设备坏了，就快速切换到另一个存储设备上，这个切换时间要足够短，保证用户几乎感受不到。
• 分区容错性Partition tolerance：即使分布式系统某个节点或者某个网络分区出现故障，系统仍然可以对外提供服务，而且这个服务是满足一致性和可用性的。

CAP的取舍

一致性、可用性根据可以从0%到100%分为多种程度，并不是只有0%和100%两种状态。比如数据的一致性可以分为：强一致性，弱一致性，读写一致性，最终一致性。
由于大规模分布式的时候，网络分区是一个现实，必须保证分区容错性，在强一致性和极端的可用性二者之间做平衡。

有些系统对数据的强一致性有很大的需求，通常会有限实现CP，牺牲一点可用性Availability，当出现网络有些故障或者有些消息丢失的时候，就会暂时让服务不可用，等到数据全部一致了，在让系统可用，允许用户访问。比如Redis、HBASE这样的分布式数据库就会再用这种方案，因为数据一致性是存储系统的最基本的要求。zookeeper也采用的是有限保证CP。

更多的系统难以满足数据的强一致性，这样成本太高，可能也没余必要。很多大型的网站会选择较高的可用性和分区容错性CP，放弃强一致性，会采用用户一致性方案，保证最终用户访问的数据是正确的就可以了。

Paxos协议

paxos协议是在保证强一致性的前提下，对可用性进行优化的算法。

ZAB协议

Zookeeper的核心算法是ZAB协议，他对Paxos进行了简化，提供全局的时间顺序上的保证，使他能满足工业应用的要求。

Paxos用在分布式系统中有一些问题，例如

• 在多个Proposer的场景下，Paxos协议不能保证先提交的提案首先被接受，提案之间的顺序可能是乱的

ZAB协议通过添加约束来解决问题：所有的提案转发到同一个leader提交，由leader来保证提案之间的先后顺序，也避免了多个多分Proposer引发活锁问题。

参考文献

Hollis网站的文章：分布式系统的CAP理论
掘金网站的文章：分布式系统的经典基础理论