002 分布式核心概念-CAP帽子理论分析及BASE理论分析

分布式事务、一致性的主流解决手段

互联网的ACID、CAP、Base理论：

ACID：数据库的四个特性（原子性，隔离性，一致性，持久性）

        首先要很清楚的认知什么是ACID，一般关系型数据库都会保证ACID这个特性，那么ACID对于一致性来说，就是一种最直接且最有效的强一致性。001中所看到的Q1，关于订单和库存的问题，如果在数据量较小的情况下，可以利用关系型数据库的强一致性解决。无非就是把订单表和库存表放到同一个关系型数据库之中去操作，利用其ACID的特性去达到一致性。然而很明显我们的互联网电商系统往往都是具有大规模、高并发的特性，必须采用对高并发压力的”分而治之，大事化小，小事化了”的思想去做，否则难以抗住动辄就是上亿级别流量的需求、以及吞吐量和性能上的需求。（正常互联网大厂不会加任何的事务，也不应该加事务处理，什么所谓的TCC、两阶段提交或三阶段提交基本不会应用在生产；都是应用补偿方式、记录日志方式将分布式事务进行解决；加事务就代表降性能。）

        对于Q1的问题，如果能通过数据库设计去做，尽量保证订单和库存表放到同一个数据库分片中，这样可以通过关系型数据库层面去解决不一致的问题了。（纵向扩展）

        但是有时候往往我们做不到这样的设计，可能由于业务规则的复杂以及限制，我们无法去将其规划到同一个数据库分片之中，这种情况就需要实现最终一致性了。 OK？何为最终一致性？这就需要我们知道第二个基础理论，CAP（帽子原理）

CAP：帽子理论

•概念： CAP原则又称CAP定理，指的是在一个分布式系统中， Consistency（一致性）、 Availability（可用性）、Partition tolerance（分区容错性），三者不可得兼。CAP理论首先把分布式系统中的三个特性进行了如下归纳：

•一致性（C）：在分布式系统中的所有数据备份，在同一时刻是否同样的值。（等同于所有节点访问同一份最新的数据副本）

•可用性（A）：在集群中一部分节点故障后，集群整体是否还能响应客户端的读写请求。（对数据更新具备高可用性）

•分区容忍性（P）：以实际效果而言，分区相当于对通信的时限要求，也就是尽管网络上有部分消息丢失，但是系统仍然可以继续工作。系统如果不能在时限内达成数据一致性，就意味着发生了分区的情况，必须就当前操作在C和A之间做出选择。

•CAP原理证明任何分布式系统只可以同时满足两点，无法满足三者兼顾。

CP经典框架：Zookeeper

        采用原子消息广播，是唯一使用Paxos算法来保障数据的强一致性，但是其做不到强可用性，ZK集群大的时候会出现局部崩溃等事件，所以其满足了CP，宁愿服务不对外提供数据，也不会出现提供不一致的数据，所以其架构的核心是满足CP原则；注释：Zookeeper的单调性：https://blog.csdn.net/paincupid/article/details/80610441 

        ZooKeeper下所有节点不可能保证任何时候都能缓存所有的服务注册信息。如果ZooKeeper下所有节点都断开了，或者集群中出现了网络分割的故障（注：由于交换机故障导致交换机底下的子网间不能互访）；那么ZooKeeper会将它们都从自己管理范围中剔除出去，外界就不能访问到这些节点了，即便这些节点本身是“健康”的，可以正常提供服务的；所以导致到达这些节点的服务请求被丢失了。（注：这也是为什么ZooKeeper不满足CAP中A的原因）

AP经典框架：springcloud、Eureka

目前为止：springcloud比较适合中小型互联网公司快速搭建；

BASE：对应帽子理论的解决思想理论（用于解决CAP不可协同性）

BASE是互联网实际操作过程中不断发展而成，即前辈经验积累而成；

•如果说我们用化学的角度去衡量一致性的问题，那么ACID 就是（酸），而BASE理论就是（碱）。

•BASE思想解决了CAP理论所提出的分布式系统的一致性和可用性不可兼得的问题。

•BASE是Basically Available（基本可用）、Soft state（软状态）和 Eventually consistent（最终一致性）三个短语的简写，BASE是对CAP中一致性和可用性权衡的结果，其来源于对大规模互联网系统分布式实践的结论，是基于CAP定理逐步演化而来的，其核心思想是即使无法做到强一致性（Strong consistency），但每个应用都可以根据自身的业务特点，采用适当的方式来使系统达到最终一致性（Eventual consistency）。

BASE中的三要素：

•BA： 基本可用，应用策略保障请求可以执行；

•S：软状态，这个状态可以在一段时间内不同步，业务可以容忍；

•E：最终一致，在一定的时间窗口内，数据达到最终的一致性即可。