CAP理论是分布式计算领域公认的一个定理。也是深深影响着分布式发展的一个经典理论。
CAP
CAP理论告诉我们：一个分布式系统不可能同时满足一致性（Consistency）、可用性（Availability）、和分区容忍性（Partition tolerance），最多只能同时满足其中两个。
分区容忍性
引用《从Paxos到ZooKeeper》中的一句话：
分区容错性约束了一个分布式系统需要具有如下特性：分布式系统遇到任何网络分区故障的时候，仍然需要能够保证对外提供满足一致性和可用性的服务。
我个人理解，分区容忍性是说对外提供服务的分布式系统允不允许出现网络分区。由于网络故障不可避免，即分布式系统不可避免出现网络分区。也就是说在分布式系统中，P（分区容忍性）是无法放弃的。放弃了P也就是放弃了分布式系统，因为只有在单机环境中才不会出现网络分区。
一致性
在分布式环境中，一致性是说分布在多个网络节点的数据能够保持一致性。
举个例子来说，一份数据保存在多个节点上，当进行更新操作后，所有节点数据被成功更新为最新数据，则保持了数据的一致性。如果出现部分节点数据更新成功，部分失败，则会出现分布式数据不一致的情况。
可用性
在分布式环境中，可用性是说系统在一个合理的时间内返回结果。
对于不同的系统，我们对合理的时间的期望值是不一样的。对于一个WEB服务来说，我们期望在3秒以内返回。对于一个批量任务执行系统来说，对于返回结果我们可能容忍几个小时。
对于返回结果来说，不一定是一个正确的结果，而是一个合理的结果。举个例子，在一个分布式库存系统中，更新了某一件商品的库存，即由m -> n，由于某些原因，导致部分节点更新成功，另一部分节点更新失败。此时我们如果查询失败的节点的话，返回的结果m就不是一个正确的结果，但我们说这是一个合理的结果，这些失败的节点也是可用的。
在分布式环境中，由于P（分区容忍性）不可放弃，所以我们只能选择CP（放弃可用性）或者AP（放弃一致性）的组合。
放弃可用性
在系统出现数据不一致时，则在一段时间内暂停服务，直到故障解决或者数据恢复。即在一段时间内出现了服务的不可用。
放弃一致性
在系统出现数据不一致时，仍然对外提供服务，保持服务的可用性。
其实实际应用当中，放弃一致性并不是说完全放弃一致性，而是放弃数据的强一致性，保留数据的最终一致性。详细在谈到BASE理论时再说。
总结
根据CAP理论，针对不同的业务场景，应该把工作的重点放在一致性和可用性的权衡取舍。
网友评论