分布式-CAP与ACID原则

        CAP、ACID对于深入理解分布式环境下技术方案设计选型有重要的指导作用,所以这里做了下整理。

1.  CAP原则

       1.1 定义

       CAP是“Consistency,Avalilability, Partition Tolerance”的一种简称,其内容分别是:

       (1)强一致性:即在分布式系统中的同一数据多副本情形下,对于数据的更新操作体现出的效果与只有单份数据是一样的。

       (2)可用性:客户端在任何时刻对大规模数据系统的读/写操作都应该保证在限定延时内完成;

       (3)分区容忍性:在大规模分布式数据系统中,网络分区现象,即分区间的机器无法进行网络通信的情况是必然发生的,所以系统应该能够在这种情况下仍然继续工作。

       对于一个大规模分布式数据系统来说,CAP三要素是不可兼得的,同一系统至多只能实现其中的两个,而必须放宽第3个要素来保证其他两个要素被满足。一般在网络环境下,运行环境出现网络分区是不可避免的,所以系统必须具备分区容忍性(P)特性,所以在一般在这种场景下设计大规模分布式系统时,往往在AP和CP中进行权衡和选择。

       1.2 为什么分布式环境下CAP三者不可兼得呢?

       由于上面已经提到对于分布式环境下,P是必须要有的,所以该问题可以转化为:如果P已经得到,那么C和A是否可以兼得?可以分为两种情况来进行推演:

       (1) 如果在这个分布式系统中数据没有副本,那么系统必然满足强一致性条件,因为只有独本数据,不会出现数据不一致的问题,此时C和P都具备。但是如果某些服务

器宕机,那必然会导致某些数据是不能访问的,那A就不符合了。

        (2) 如果在这个分布式系统中数据是有副本的,那么如果某些服务器宕机时,系统还是可以提供服务的,即符合A。但是很难保证数据的一致性,因为宕机的时候,可能

有些数据还没有拷贝到副本中,那么副本中提供的数据就不准确了。

        所以一般情况下,会根据具体业务来侧重于C或者A,对于一致性要求比较高的业务,那么对访问延迟时间要求就会低点;对于访问延时有要求的业务,那么对于数据一致性要求就会低点。一致性模型主要可以分为下面几类:强一致性、弱一致性、最终一致性、因果一致性、读你所写一致性、会话一致性、单调读一致性、以及单调写一致性,所以需要根据不同的业务选择合适的一致性模型。

2. ACID原则

         ACID是关系型数据库系统采纳的原则,其代表的含义分别是:

         (1) 原子性(Atomicity):是指一个事务要么全部执行,要么完全不执行。

         (2) 一致性(Consistency): 事务在开始和结束时,应该始终满足一致性约束。比如系统要求A+B=100,那么事务如果改变了A的数值,则B的数值也要相应修改来满足这样一致性要求;与CAP中的C代表的含义是不同的。

         (3) 事务独立(Isolation):如果有多个事务同时执行,彼此之间不需要知晓对方的存在,而且执行时互不影响,事务之间需要序列化执行,有时间顺序。

         (4) 持久性(Durability):事务的持久性是指事务运行成功以后,对系统状态的更新是永久的,不会无缘无故回滚撤销。

你可能感兴趣的:(分布式)