base cap 分布式_CAP理论及base原理

CAP理论

CAP是Consistency,Availablity和partition-tolerance缩写，分别是：

一致性(Consistency):数据一致更新，所有数据变动都是同步的。每次读操作都能返回最新数据

Availability(可用性)：好的响应性能，任何一个没有发生故障的节点，会在合理的时间内返回一个正常的结果。

Partition tolerance(分区容忍性)：可靠性，当节点间出现网络分区，照样可以提供服务。

CAP理论的核心是：一个分布式系统不可能同时很好的满足一致性，可用性和分区容错性这三个需求，最多只能同时较好的满足两个。

单机肯定不存在分区的问题，所以只能保证CA。对于分布式系统，P肯定是占的，当出现节点间往来中断的情况，如果选择一致性CP，意味着在网络恢复，数据在节点间同步完成之前是不可用的；如果选择可用性AP意味着我们放弃了各个节点直接的同步；在实际操作的时候一般的服务都要保证服务的可用性，所以一般会选择AP，然后在网络恢复后得到最终一致性。

根据CAP原理将NoSQL数据库分成了满足CA原则，满足CP原则和满足AP原则三大类：

CA--单点集群，满足一致性，可用性的系统，通常在可扩展性上不太强大

CP--满足一致性，分区容忍性的系统，通常性能不是特别高

AP--满足可用性，分区容忍性的系统，通常可能对一致性要求低一些

BASE理论

base理论是对CAP理论的延伸，核心思想是即使无法做到强一致性(Strong Consistency,CAP理论的一致性就是强一致性)，但应用可以采用合适的方式达到最终一致性(Eventual Consitency)。

BASE是指基本可用(Basically Available),软状态(Soft State),最终一致性(Eventual Consistency)

基本可用(Basically Available)

基本可用是指分布式系统在出现故障的时候，允许损失部分可用性，既保证核心可用。电商大促时，为了应对访问量激增，部分用户可能会被引导到降级页面，服务层也可能只提供降级服务，这既是损失部分可用性的体现。

软状态(Soft State)

软状态是指允许系统存在中间状态，而该中间状态不会影响系统整体可用性。分布式存储中一般一份数据至少会有三个副本，允许不同节点间副本同步的延时就是软状态的体现。mysql replication的异步复制也是一种体现。

最终一致性(Eventual Consistency)

最终一致性是指系统中的所有数据副本经过一定时间后，最终能够达到一致的状态。弱一致性和强一致性相反，最终一致性是弱一致性的一种特殊情况。