初读分布式CAP随笔

1. 什么是 CAP ？

    CAP即 一致性 （Consistency)、可用性 (Availabiility)、分区容错性 （Tolerance of network Partition）
    C：多个数据副本间 在同一时间数据保持一致
    A：系统提供的服务一直处于可用状态，每个用户请求要在限定的时间内返回结果
    P：除非整个分布式系统瘫痪，否则在某些分区发生故障时，系统对外提供的服务仍需保证一致性和可用性
   

2. 定义理解

    C：一致性，可从客户端 和 服务端两个角度进行理解：
    		客户端：一致性主要指 多并发访问时 数据被更新后 如何获取数据的问题
    		服务端：如何将被更新的数据同步到 整个分布式系统，以保证数据最终一致性
    		
    		
    	一致性又可以再分为 强一致性、弱一致性（如：最终一致性）
    		1. 强一致性：更新过的数据对后续的访问都可见。即同一时间，所有分布式节点中数据保持一致
    		2. 弱一致性：能够容忍后续的部分节点或者全部节点访问不到。
    		3. 最终一致性：是弱一致性的其中一种，保证用户一段时间内最终能读取到某操作对系统特定数据的更新。
    			可以理解为，在一段时间后，节点的数据会最终达到一致状态。
    			比如DNS系统，由于DNS系统采用多级缓存，所以修改DNS记录后并不会使全部DNS服务节点同时生效，
    			需要等待DNS服务器缓存过期后，向其他服务器进行记录更新才能实现数据一致性。
   
    A: 可用性，即服务可用，且响应时间正常
   
    P：分区容错性，即某个节点故障时，仍能对外提供满足一致性、可用性的服务
   

3. Eric Brewer猜想：一致性、可用性、分区容错性 三者无法同时在分布式系统中被满足，只能三选二。

   1. CA : 即牺牲 分区容错性，强调强一致性、可用性。但是分布式系统没有了分区还是分布式系统吗？
      这种情况一般出现在单服务器上，数据库和程序均部署在同一台机器，也就不存在所谓的分布式了。
   2. CP：即不要求可用性，换句话说就是不要在指定时限内响应请求，但要求数据一致性、分区容错性。
      这样可能出现请求无限等待响应的情况发生。很多传统的分布式数据库事务都属于这种模式。
   3. AP：即不要求数据强一致性。一旦分区故障，可能导致节点间数据不一致。

推荐一篇不错的博文： https://blog.csdn.net/chen77716/article/details/30635543