CAP学习

一、分布式系统的三个指标

• C：数据一致性(consistency)
  • 所有节点拥有数据的最新版本(强一致性)
• A：可用性(availability)
  • 服务具备高可用性
• P：分区容错性(partition-tolerance)
  • 网络出现分区时，分区之间网络不可达，系统仍然能正常运作，即允许发送的信息可能不可达

二、Partition tolerance

　　任何网络都是不可能始终可达，一定会出现通信失败的情况，这时通信双方在网络上像被割裂开来了，形成不同分区。

　　我们必须允许通信失败的情况，做到这种分区情况的容错性，因为这是无法避免的，所以三者之中必须有P，那么就是说C和A无法同时达到

三、Consistency

　　一致性是指系统内部所有节点数据和状态保持一致，你在系统中一个节点中写了数据，那么可以从其他节点读到该数据。

四、Availability

　　可用性是指系统中的节点应该始终能对外提供服务，保持可用。

五、Consistency 和 Availability 的矛盾

　　为什么C和A不能同时达到呢？就是因为通信可能会失败（即分区容错），无法达到百分之百通信成功。

　　

　　如图所示，在理想情况下，client往G1写数据，然后G1立马向G2通信来同步数据，那么client之后去G2就能读到该数据，这时可以同时满足CAP了。

　　但是如果通信失败，那么在当前，G1和G2数据不同步，达不到一致性，而如果把G2剔除或禁止G2对外提供服务直到通信成功，那么此时对于外界来说，这个分布式系统还是一致的，但这时G2就没有可用性了。

　　通信失败是无法避免的，所以CAP只能最多实现其中两样，也就是C和A任选一样。

　　但这个只是说严格的C和A，也就是强一致性和完全可用性无法同时达到，但一致性其实是有不同级别的：

• 强一致性:每个节点的数据都是最新版本
• 弱一致性:容忍部分不是最新
• 最终一致性:放宽对时间的要求，在容忍的时间内达到一致性即可

　　互联网大部分应用其实只需要高可用性和最终一致性而已，失败之后重试直到成功，那么这样最终达到了一致性以及始终的可用性，但代价是中间存在一段时间的不一致性，当然也要求操作是幂等的

转载于:https://www.cnblogs.com/liuzhugu/p/9897765.html