分布式系统中的CAP原则

CAP 原则
CAP 原则又称之为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)，三者不可兼得。

一致性（C）Consistency(一致性)

在分布式系统中的所有数据备份，在同一时刻是否是同样的值。也就是说，取一个值不能这会是a,过一会变成b，想确保数据一致性必须使用事务，而事务在分布式系统中很难实现。

可用性（A） Availability

在集群中一部分节点故障后，集群整体是否还能提供服务。通俗叫就是系统不能挂掉，比如一个系统可用率是99.99%，4个9也就是1年不到一个小时故障时间。可用性一般使用负载均衡或者心跳检测加ip漂移来保证。

分区容错性（Partition Tolerance）

分区容错性是指系统能够容忍节点之间的网络通信故障。也就是说单台服务器或多台服务器出现网络问题后，其他服务器依然能正常提供服务。分区容错性可以使用选举机制实现。选举机制，如果三台服务器出现数据不一致，如果有两台数据是一致的，然后就以这两台为标准将数据同步到第三台。

通常情况下我们会选择满足可用性和分区容错性，而牺牲掉一致性，因为如果不能保证可用性和分区容错性，那么这个分布式系统就会失去意义。

什么是最终一致性，为什么需要最终一致性。
首先什么叫一致性？一致性是保证数据库事务的重要特性，事务有4个特性：原子性（Atomicity）、一致性(Consistency)、隔离性(Isolation)、持久性(Durability);

为什么需要事务呢？因为有些场景需要两个以上操作要么全部指向成功，要么全部执行失败。

举个例子：比如a 给b 转账100，先从a 的账户里扣除100，再给b的账户增加100。这两个操作必须同时成功或失败，不然就会出现对不上帐的情况。

事务里的一致性就是保证从转账前的状态到转账后的状态是正确的。

在单机环境事务的一致性很好保证，我们使用数据库的事务就能保证一致性。

那么怎么理解最终一致性？简单来说，可以理解为在一段时间后，节点间的数据会最终达到正确状态。

比如张三给李四赚钱，虽然张三被扣款了，但是李四不会立即收到钱，这时候就出现不一致性，但是过了一个小时最终又收到了，这就满足了最终一致性。

那么通过什么方法来达到最终一致状态呢？基本上是以下三种方法的各种组合使用：重试、补偿、幂等。

重试解决请求异常，保证可用性；
补偿是指当其后续操作失败后，需要按相反顺序撤销前面所有的操作，保证一致性；
幂等是跟重试配合使用，确保重试不会产生脏数据，也是保证一致性；