分布式理论CAP与BASE模式

在上篇文章中，想到一个问题就是redis与zookeeper在CAP理论中的不同之处？
今天就整理一份CAP与BASE理论，然后再讨论一下上面的这个问题；

1. 分布式理论-CAP

CAP理论指的是一个分布式系统最多只能同时满足一致性（Consistency）、可用性（Availability）和分区容错性（Partition tolerance）这三项中的两项。参考下图（图片来源于网络）

Consistency
Consistency：一致性，数据在多个实例之间能够保证数据的一致性；

相当于集群中的每个节点的数据状态是一致的，如果用户1设置的是value3，而用户2读取到的是value2，则就产生了数据不一致问题，不满足一致性要求了；

Availability
Availability：可用性，表示只要收到用户请求，服务器就必须做出响应；

用户只要向s1或者s2发出请求，不管数据是否一致，都必须要返回数据；

Partition tolerance
Partition tolerance：分区容错性，首先说一下这个分区：假如有两个机房：A区和B区，A区节点互通，但是无法与B区中的节点连通时，就导致了整个服务被切分成了两个独立的区；
分区容错性：在遇到任何网络分区故障时，仍然能够对外提供满足一致性和可用性的服务，也就是支持容忍被服务被分布A区和B区独立的情况；

分区1和分区2网络不通的时候，可以各自提供服务（相当于被切分成了两份服务）；

1.1 CA without P

两个问题：为什么CA不可同时满足？为什么必须要有P？
为什么CA不可同时满足？

比如上图这种场景：
用户1在写入value2到s1时，s1还未将数据同步到s2，此时用户2从s2读取数据，读取到未更新的value1；（满足可用性，不满足可用性）
用户1在写入value2到s1时，s1将数据同步到s2期间，禁止s2接收请求，s1与s2数据一致后，再允许s2接收请求；（满足一致性，不满足可用性）；
所以无法做到CA；

为什么必须要有P？
分区容错性P其实就是每个服务都会部署多个节点，这样就可以保证此服务的一个节点挂了之后，此服务的其他节点依然可以响应，这就是分区容错性。如果不能够容忍区容错性，那就相当于有一个节点挂了之后，整个服务都不可用；这对于分布式系统来说，肯定是不合理的；

1.2 CP without A

放弃可用性，但必须保证数据的一致性，比如zookeeper的设计就是基于此模式；

1.3 AP wihtout C

放弃一致性，但必须保证可用性，允许数据出现某种情况的不一致，但必须保证可用性，比如一些nosql；

2. 分布式理论-BASE

什么是BASE？
BASE理论是Basically Available(基本可用)，Soft State（软状态）和Eventually Consistent（最终一致性）的缩写，BASE的核心思想就是即使无法做到强一致性（Strong consistency），但每个应用都可以根据自身的业务特点，采用适当的方式来使系统达到最终一致性（Eventual consistency）。

2.1 基本可用（Basically Available）

是当服务出现问题时，能保证核心功能可用，比如双11购物：不允许修改收货地址等，但能保障下单整体流程的可用；

2.2 软状态（Soft State）

系统中数据可以存在中间状态，比如订单正在支付，状态可以是支付中，数据同步时可以是同步中等；

2.3 最终一致性（Eventually Consistent）

最终一致性强调的是系统中的数据副本，在经过一段时间的同步后，最终能达到一致的状态。如订单的"支付中"状态，最终会变 为“支付成功”或者"支付失败"，使订单状态与实际交易结果达成一致，但需要一定时间的延迟、等待。

总之：BASE通过牺牲强一致性来获得可用性，并允许数据段时间内的不一致，但是最终达到一致状态。