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:
- 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。 - 顺序一致性(Sequential Consistency)(弱)
节点的数据变动和操作顺序保持一致。 - 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。