分布式CAP定理与Base理论

CAP定理

CAP定理（CAP Theorem），又被称作布鲁尔定理（Eric Brewer），1998年第一次提出。
最初提出是指分布式数据存储不可能满足一下三种保证的两种以上

• 一致性（Consistency）每次读取和收到的信息都是最新的；
• 可用性（Availability）每个请求都会收到（非错误）响应；
• 分区容错性（Partition tolerance）即使节点之间网络不通导致分区，系统仍继续运行。

事实上，不仅是分布式数据存储应用，所有分布式应用都必须从CAP这三点中权衡。

为什么不能同时满足三点呢？
举例：
有A服务，A1、A2两个节点，组成A节点集群，两个节点内存在变量x，x需保持一致，两节点通过网络同步保证x一致。
首先，分布式系统中，我们一般保证分区容错性P。
因为网络通信是不可靠的，存在一种情况，A1、A2间网络不通，而网络不通必将使x不一致。这时，如果服务依然对外提供服务，将损失一致性；如果保持一致性，服务就不能向外提供服务，可用性就损失了。

数据一致性模型：

1. 严格一致性（Strict Consistency）（强）
   不论在哪个节点，看到的资源都是统一的结果。
2. 顺序一致性（Sequential Consistency）（弱）
   节点的数据变动和操作顺序保持一致。
3. 最终一致性（Eventual Consistency）（弱）
   所有数据最终会变得一致。

BASE理论

BASE是Basically Available（基本可用）Soft state（软状态）和Eventual Consistency（最终一致性）三个短语的缩写。

• 基本可用：可能是部分功能不可用或响应时间变长。
• 软状态：不通系统（节点）间数据存在过渡状态。
• 最终一致性：系统通过内部协调机制，最终所有节点保持一致。（分布式系统中的一致并不仅包含数据的一致）

但是，BASE理论并不是我们设计分布式系统必须要遵守的规章，是系统设计中可以借鉴思想及方法，可以灵活运用。
可能有时我们不知道BASE理论，但是进行系统设计实践中也会想到类似相关问题的解决办法，解决之后我们总结其实是和BASE理论不谋而合的。