分布式系统的设计原则

---

前言

在分布式系统设计过程中，为了更加方便快捷的完成设计，推荐参考的设计原则。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、CAP原则

分布式系统有许多优点和缺点，其主要特点是一致性/可用性和分区容忍性。他们具体含义如下：

• 一致性（Consistency）：保持所有结点在同一时刻具有相同的/逻辑一致的数据。
• 可用性（Availability）：保证每个请求不管成功或者失败都有响应。
• 分区容忍性（Partition Tolerance）：系统中任何的信息丢失或者失败都不会影响系统的继续运作。

根据CAP原因，从图中可以看出分布式系统只能满足3种情况：

• CA：满足一致性和可用性的系统。在扩展性上难有建树。
• CP：满足一致性和分区容忍性的系统。通常性能不是特别高。
• AP：满足可用性和分区容忍性的系统，通常对一致性要求低一些，但性能会比较高。

也就是说，任何的分布式系统都只能较好的完成其中两个指标，无法完成3个指标。微服务主要追求可用性和分区容忍性（AP），轻一致性（C）

二、BASE原则

在BASE理论中，一致性又分为强一致性和弱一致性（CAP原则中的一致性是指强一致性）。

• 强一致性：当用户完成数据更新操作后，任何后续线程或者其他结点都能访问到最新的值。这样的设计是最友好的，即用户上一次的操作，下一次操作都能读到。但根据CAP原则，这种实现需要对性能做出较大的牺牲。
• 弱一致性：当用户完成数据更新操作后，并不能保证后续线程或者其他结点马上访问到最新值，他只能通过某种方法保证最后的一致性。

BASE理论的核心思想是：即使分布式系统无法做到强一致性，也可以采用适当的方法达到最终一致性。

BASE原则：

• BA（Basically Available 基本可用）：在分布式系统中，最重要的需求是保证基本可用，有响应结果返回。
• S（Soft State 软状态）：其意义在于允许系统存在中间状态。一般来说，系统之间的数据通信都会有副本，而这些副本都会存在一定的延迟。这时推荐使用弱一致性代替强一致性。这样的好处在于，提高系统的可用性和性能。
• E（Eventual Consistency 最终一致性）：是指系统中的所有数据副本经过一定时间后，最终能够达到一致的状态，以保证数据的正确性。

BASE理论的应用场景时大型分布式系统，它核心内容是放弃强一致性，保证系统的可用性。因为分布式系统自身的融合和扩展就相当的复杂，如果需要保证强一致性就需要额外引入许多复杂的协议，这会导致技术的复杂化，同时对性能也有影响。BASE理论则建议让数据在一段时间内不一致，从而降低技术实现的复杂性，并提高系统的性能，最后通过某种手段使得数据达成最终一致即可。

一直在前进的路上，欢迎和感谢同路人的支持。