分布式CAP原理

image.png

CAP原理

任何一个分布式系统，只能满足CAP三个中的两个

CAP分别是什么

Consistency 一致性

一致性

• "all nodes see the same data at the same time"两个视角

• 客户端：多并发访问时更新过的数据如何获取；

• 服务端：如何复制分布到整个系统，保证数据最终一致性三种一致性策略

• 强一致性：对于关系型数据库，更新过的数据能立即被后续访问看到

• 弱一致性：能容忍后续部分或全部访问不到

• 最终一致性：如果经过一段时间后要求能访问到更新后的数据

• CAP理论说不能同时满足的一致性指的是强一致性

Availability 可用性

• "Reads and writes always succeed"，服务一直可用

• 每一个可用性的分布式系统，每一个非故障节点必须对每一个请求作出响应。

• 一般衡量一个系统的可用性通过停机时间来计算。

• 5个9：可用水平99.999%

Partition Tolerance 分区容错性

• "the system continues to operate despite arbitrary message loss or failure of part of the system"，分布式系统在遇到某节点或者网络分区故障时，仍然能够对外提供满足一致性和可用性服务。

• 简单来说，就是在网络中断，消息丢失的情况下，系统依然能够正常工作。

CAP权衡

CA without P

• 不存在，网络分区是必然的，舍弃P意味着舍弃分布式系统

CP without A

• 一个分布式系统容许系统停机或者长时间无响应，舍弃A保C

• 一旦发生网络故障或者消息丢失，牺牲用户体验，等待所有数据全部一致后才可以访问

• 最典型的，分布式数据库。一致性是最基本最重要的条件

• 分布式存储系统Redis，HBase，分布式协调组件Zookeeper

AP without C

• 为了保证高可用，需要在用户访问时可以马上得到返回，每个节点只能用本地数据库提供服务，这样会导致全局数据的不一致性

• 大多数大型互联网应用，由于主机众多，部署分散，集群规模大，因此节点故障、网络故障是常态，需要保证可用性，牺牲一点强一致性，不会造成严重的用户流失

• 比如：淘宝的购物，12306的买票。这里牺牲的是强一致性

怎么取舍

• 没有定论，根据场景定夺，适合的才是最好的。

• 一般，涉及到钱的必须保证C，网络故障宁可停止服务，保证CA，舍弃P

• 其他场景普遍做法是选择AP，舍弃强一致性，退而求其次保证最终一致性