CAP理论的应用分析

（原文: http://www.zmannotes.com/index.php/2016/01/24/cap/）

分析CAP的缺陷及实际应用

CAP理论的应用缺陷

互联网公司中分布式系统设计一般都会考虑三个问题，高可用性、网络抖动、数据一致性问题。这三个问题全部是针对系统的后台集群来讨论，不包括系统的终端。如果你的系统不需要考虑数据一致性问题，那真是太幸运了！

CAP理论证明在分布式系统中不能同时满足这三个特征，只能满足其中两点。就是后半句话引起了人们在实际应用中的困惑和对理论的质疑。

来看CAP的定义：

Consistency：集群中所有节点的数据始终保持一致性。

Availability：集群中即使有部分节点挂了，集群依然可以对外提供服务。

Partition Tolerance：集群中即使节点之间不能互相通信，集群依然对外提供服务。（节点没挂，只是节点之间不能通信，比如网络抖动）

“满足其中两点”引发的困惑

困惑一

CP：为了实现一致性和分区容忍性必须放弃可用性。

实际应用中，比如系统存在A、B两个节点(或网络分区)，数据写入A后，网络发生抖动导致A、B通信中断，数据无法写入B，为了保证数据一致性，系统将无法继续提供服务直到B完成写入，AB达到数据一致的状态。如果A、B通信永远不恢复，系统将永远不可用，这在实际应用中不可接受。

困惑二

CA：为了实现一致性和可用性放弃分区容忍性。

实际应用中，比如系统存在A、B两个节点(或网络分区)，数据写入A后，网络发生抖动导致A、B通信中断，数据无法写入B，为了保证数据一致性，系统将无法继续提供服务直到B完成写入，AB达到数据一致的状态。如果A、B通信永远不恢复，系统将永远不可用，这在实际应用中不可接受。

是的，实际应用中CP、CA本质上没有区别，同样是面对网络抖动问题，为了满足一致性，都会导致系统无法使用。这是因为实际应用中，节点A没有办法判断节点B是挂掉了、还是无法与其正常通信。于是CA和CP在不引入第三方组件的情况下都是无法达到的。而这完全是由C（一致性）导致，所以如果可以在业务上避免对分布式系统的一致性要求那是极好的！

实际应用分析

只求AP

放弃一致性，保证系统高可用、高扩展性、分区容忍性。系统设计将极大简化，同时保证高可用、高扩展，系统的运维也很方便，最终的结果是从设计、开发、测试、上线、运维都极大的降低了成本。就如Amazon SQS，的确是不错。

寻求A、C折中

网络抖动时，保留一致性，放弃可用性。在一定时间窗口内(比如5s)，如果服务依然没有恢复，就放弃一致性，恢复对外提供服务。这种策略在实际应用比较普遍，根据具体的业务场景，设定一个时间窗口，保证系统在可容忍的时间内尽可能保持一致性，如果实在保证不了，那就放弃一致性，继续提供服务。毕竟更多时候，不能提供服务造成的损失要比部分数据不一致造成的损失大很多。更多的时候，我们自然而然的把failover逻辑放在系统的终端实现，就如ActiveMQ的failover、RocketMQ的rebalance。

耶鲁Daniel教授将此方法上升到理论层面提出PACELC，还发表了论文。

总而言之，在分布式系统中，能在业务层面回避一致性就回避。实在做不到，就进行可用性与一致性的折中。对于CAP是什么，可以完全抛到脑后，它只能带来困惑。

LINK

1. https://en.wikipedia.org/wiki/CAP_theorem#cite_note-Burgess-7
2. https://www.quora.com/What-is-the-difference-between-availability-and-partition-tolerance-in-CAP
3. http://dbmsmusings.blogspot.com/2012/10/ieee-computer-issue-on-cap-theorem.html