一:简介

分布式系统（distributed system）正变得越来越重要，大型网站几乎都是分布式的。 分布式系统的最大难点，就是各个节点的状态如何同步。CAP 定理是这方面的基本定理，也是理解分布式系统的起点。

一般来讲,在高并发情况下,cap三者选其二,但实际上只有两种选择,一种为cp,一种为ap。

二: Partition tolerance

先看 Partition tolerance，中文叫做"分区容错"。

系统如果不能在时限内达成数据一致性,意味着发生了分区的情况,需要在C和A作选择.

大多数分布式系统都分布在多个子网络。每个子网络就叫做一个区（partition）。分区容错的意思是，区间通信可能失败。比如，一台服务器放在中国，另一台服务器放在美国，这就是两个区，它们之间可能无法通信。

image

上图中，G1 和 G2 是两台跨区的服务器。G1 向G2 发送一条消息，G2 可能无法收到。系统设计的时候，必须考虑到这种情况。

一般来说，分区容错无法避免，因此可以认为 CAP 的 P 总是成立。CAP 定理告诉我们，剩下的 C 和 A 无法同时做到。

三: Consistency

Consistency中文叫做"一致性"。意思是，写操作之后的读操作，必须返回该值。举例来说，某条记录是 v0，用户向 G1 发起一个写操作，将其改为 v1。

所有节点访问同一份最新数据副本

image

接下来，用户的读操作就会得到 v1。这就叫一致性。

image

问题是，用户有可能向 G2 发起读操作，由于 G2 的值没有发生变化，因此返回的是 v0。G1 和 G2 读操作的结果不一致，这就不满足一致性了。

image

为了让 G2 也能变为 v1，就要在 G1 写操作的时候，让 G1 向 G2 发送一条消息，要求G2 也改成 v1。

image

这样的话，用户向 G2 发起读操作，也能得到 v1。

image

四:Availability

Availability中文叫做"可用性"，意思是只要收到用户的请求，服务器就必须给出回应。

对数据更新具备高可用性

用户可以选择向 G1 或G2 发起读操作。不管是哪台服务器，只要收到请求，就必须告诉用户，到底是 v0 还是 v1，否则就不满足可用性。

五、Consistency 和 Availability 的矛盾

一致性和可用性，为什么不可能同时成立？答案很简单，因为可能通信失败（即出现分区容错）。

如果保证 G2 的一致性，那么 G1 必须在写操作时，锁定 G2 的读操作和写操作。只有数据同步后，才能重新开放读写。锁定期间，G2 不能读写，没有可用性不。

如果保证 G2 的可用性，那么势必不能锁定 G2，所以一致性不成立。

综上所述，G2 无法同时做到一致性和可用性。系统设计时只能选择一个目标。如果追求一致性，那么无法保证所有节点的可用性；如果追求所有节点的可用性，那就没法做到一致性。

六:在什么场合，可用性高于一致性？

举例来说，发布一张网页到 CDN，多个服务器有这张网页的副本。后来发现一个错误，需要更新网页，这时只能每个服务器都更新一遍。

一般来说，网页的更新不是特别强调一致性。短时期内，一些用户拿到老版本，另一些用户拿到新版本，问题不会特别大。但是每个用户访问以后,必须立刻有返回值,当然，所有人最终都会看到新版本。所以，这个场合就是可用性高于一致性。

七:三者选两者例子

1. CAwihtout P:单机数据库 没有分区的就不会存在分区容错性,所以c和a能同时满足。
2. CPwithout A:传统数据库分布式事务 不是过分强调可用性,及不是那么强调性能,真正的目的是保证数据的正确性。
3. APwithout C:众多的NOSQL 不需要满足一致性,一般nosql作为缓存使用,强调的是性能,真正准确的数据是保存在数据库中的,最终结果会保持正确。

八:总结

目前看来,在分布式系统中,p是基本会存在的,就是网络间同步数据的延迟，而c也就是一致性保证的是特定时间内数据的一致性,就忽略了性能问题，而a也就是可用性,强调的是立刻返回结果,强调的是性能,那么必定会出现数据不一致，根据不同的业务场景进行设计,要充分利用三者特性。

最后

大家觉得不错可以点个赞及关注下我和我的的专栏：Java架构技术栈，以后还会分享更多文章！以及我的微信公众号：Java架构技术栈，每天会更新干货技术及行业情形文章！