Seata入门系列【19】分布式事务之CAP、BASE理论

1 CAP理论

CAP是以下三个词语的缩写:

  • Consistency:一致性
  • Availability:可用性
  • Partition tolerance:分区容忍性

CAP理论的基础概念就是在分布式系统中,无法同时满足以上三点。

下面我们以一个简单的分布式系统,解释下为何不同通知满足。

Seata入门系列【19】分布式事务之CAP、BASE理论_第1张图片

2.1 C 一致性

一致性是指写操作后的读操作可以读取到最新的数据状态,当数据分布在多个节点上,从任意结点读取到的数据都是最新的状态。

在上图读写分离的环境中,因为从库同步主库数据是会存在延迟的,必须在写入数据的时候,将从库对应的数据加锁,同步完成后,再释放锁,在等待的过程中,可以返回错误或失败,但要保证客户端读取到的都是最新的数据,从而实现一致性。

分布式系统一致性的特点:

  • 由于存在数据同步的过程,写操作的响应会有一定的延迟。
  • 为了保证数据一致性会对资源暂时锁定,待数据同步完成释放锁定资源。
  • 如果请求数据同步失败的结点则会返回错误信息,一定不会返回旧数据。

2.2 A 可用性

可用性是指任何客户端的请求都能得到响应数据,不会出现响应错误。

在上图读写分离的环境中,即时数据还没有同步过来,从数据库也要返回要查询的数据,哪怕是旧数据,如果连旧数据也没有则可以按照约定返回一个默认信息,但不能返回错误或响应超时。

2.3 P 分区容忍性

通常分布式系统的各各结点部署在不同的子网,这就是网络分区,不可避免的会出现由于网络问题而导致结点之间 通信失败,系统需要保证此时仍可对外提供服务,这叫分区容忍性。分区容忍性是分布式系统具备的基本能力,必须要实现。

在分布式环境下,为了保证分区容忍性,数据库会采用主从、集群、异地容灾等方式。

在上图读写分离的环境中,实现分区容忍性,需要保证主从同步失败时,不影响读写操作。其一个结点挂掉不影响另一个结点对外提供服务。

需要从以下几点进行实现:

  • 尽量使用异步取代同步操作,例如使用异步方式将数据从主数据库同步到从数据
  • 添加从数据库结点,其中一个从结点挂掉其它从节点提供服务。

2.4 组合方式

在所有分布式事务场景中不会同时具备CAP三个特性,因为在具备了P的前提下C和A是不能共存的。

分布式系统,肯定是需要满足分区容忍性,如果再满足一致性,对数据同步进行加锁,这样就没办法保证可用性了,因为可用性时,数据不一致,也需要查询到结果,A C始终是存在冲突的。

2.4.1 CA

放弃分区容忍性,即不进行分区,不考虑由于网络不通或结点挂掉的问题,则可以实现一致性和可用性。那么系统 将不是一个标准的分布式系统,我们最常用的关系型数据就满足了CA。

既然是单体,那么也就不存在分布式事务的概念了。。。。

2.4.2 AP

放弃一致性,追求分区容忍性和可用性。这是很多分布式系统设计时的选择。

AP 模式实现很简单,只需要保证集群环境下,数据同步正常即可,数据虽然可能更新后马上看不到最新的结果,但是最终的结果还是正确的,即保证最终一致性。

2.4.3 CP

放弃可用性,追求一致性和分区容错性。

也就是在分布式环境下,必须保证每次结果查询到的数据都是最新的,但是可能某个时段去查询,会显示数据不可用,即保证强一致性。

2.5 总结

一个分布式系统最多只能同时满足 一致性(Consistency)、可用性(Availability)和分区容忍性(Partition tolerance)这三项中的两项。可以作 为我们进行架构设计、技术选型的考量标准。

对于多数大型互联网应用的场景,结点众多、部署分散,而且现在的集群规模越来越大,所以节点故障、网络故障是常态,而且要保证服务可用性达到N个9(99.99…%),并要达到良好的响应性能来提高用户体验,因此一般都会做出如下选择:保证P和A,舍弃C强一致,保证最终一致性。

3 BASE理论

3.1 强一致性和最终一致性

CAP理论告诉我们一个分布式系统最多只能同时满足一致性(Consistency)、可用性(Availability)和分区容忍 性(Partition tolerance)这三项中的两项,其中AP在实际应用中较多,AP即舍弃一致性,保证可用性和分区容忍 性。

但是在实际生产中很多场景都要实现一致性,比如之前图片中主数据库向从数据库同步数据,即使不要一致性,但是最终也要将数据同步成功来保证数据一致,这种一致性和CAP中的一致性不同,CAP中的一致性要求在任何时间查询每个结点数据都必须一致,它强调的是强一致性,但是最终一致性是允许可以在一段时间内每个结 点的数据不一致,但是经过一段时间每个结点的数据必须一致,它强调的是最终数据的一致性。

3.2 Base理论

BASE是 Basically Available(基本可用)、Soft state(软状态)和 Eventually consistent (最终一致性)三个词语的缩写。

BASE理论是对CAP中AP的一个扩展,通过牺牲强一致性来获得可用性,当出现故障允许部分不可用但要保证 核心功能可用,允许数据在一段时间内是不一致的,但最终达到一致状态。满足BASE理论的事务,我们称之为“柔 性事务”。

3.2.1 基本可用

分布式系统在出现故障时,允许损失部分可用功能,保证核心功能可用。如电商网站交易付款出现问题了,商品依然可以正常浏览。

3.2.2 软状态

由于不要求强一致性,所以BASE允许系统中存在中间状态(也叫软状态),这个状态不影响系统可用性,如订单的"支付中"、“数据同步中”等状态,待数据最终一致后状态改为“成功”状态。

3.2.3 最终一致

最终一致是指经过一段时间后,所有节点数据都将会达到一致。如订单的"支付中"状态,最终会变 为“支付成功”或者"支付失败",使订单状态与实际交易结果达成一致,但需要一定时间的延迟、等待。

你可能感兴趣的:(seata,微服务,分布式,微服务,后端,seata,分布式事务)