22 - 架构设计 - CAP理论

CAP 定理

CAP 定理（CAP theorem）又被称作布鲁尔定理（Brewer's theorem），是加州大学伯克利分校的计算机科学家埃里克·布鲁尔（Eric Brewer）在 2000 年的 ACM PODC 上提出的一个猜想

2002 年，麻省理工学院的赛斯·吉尔伯特（Seth Gilbert）和南希·林奇（Nancy Lynch）发表了布鲁尔猜想的证明，使之成为分布式计算领域公认的一个定理

1. 版本一

Any distributed system cannot guaranty C, A, and P simultaneously.
对于一个分布式计算系统，不可能同时满足一致性（Consistence）、可用性（Availability）、分区容错性（Partition Tolerance）三个设计约束

2. 版本二

In a distributed system (a collection of interconnected nodes that share data.), you can only have two out of the following three guarantees across a write/read pair: Consistency, Availability, and Partition Tolerance - one of them must be sacrificed
在一个分布式系统（指互相连接并共享数据的节点的集合）中，当涉及读写操作时，只能保证一致性（Consistence）、可用性（Availability）、分区容错性（Partition Tolerance）三者中的两个，另外一个必须被牺牲

• 第二版定义了什么才是 CAP 理论探讨的分布式系统，强调了两点：interconnected 和 share data
  • 分布式系统并不一定会互联和共享数据
  • 例如 Memcache 的集群，相互之间就没有连接和共享数据，因此 Memcache 集群这类分布式系统就不符合 CAP 理论探讨的对象
  • MySQL 集群就是互联和进行数据复制的，因此是 CAP 理论探讨的对象
• 第二版强调了 write/read pair，这点其实是和上一个差异点一脉相承的
  • CAP 关注的是对数据的读写操作，而不是分布式系统的所有功能
  • ZooKeeper 的选举机制就不是 CAP 探讨的对象
• 相比来说，第二版的定义更加精确

CAP定理解释

1. 一致性（Consistency）
   • 第一版解释：

   All nodes see the same data at the same time.
   简单翻译为：所有节点在同一时刻都能看到相同的数据

   • 第二版解释：

   A read is guaranteed to return the most recent write for a given client.
   简单翻译为：对某个指定的客户端来说，读操作保证能够返回最新的写操作结果

   • 第一版从节点 node 的角度描述，第二版从客户端 client 的角度描述

     • 相比来说，第二版更加符合我们观察和评估系统的方式，即站在客户端的角度来观察系统的行为和特征

   • 第一版的关键词是 see，第二版的关键词是 read

     • 第一版解释中的 see，其实并不确切，因为节点 node 是拥有数据，而不是看到数据，即使要描述也是用 have；第二版从客户端 client 的读写角度来描述一致性，定义更加精确

   • 第一版强调同一时刻拥有相同数据（same time + same data），第二版并没有强调这点

     • 这就意味着实际上对于节点来说，可能同一时刻拥有不同数据（same time + different data），这和我们通常理解的一致性是有差异的，为何做这样的改动呢？其实在第一版的详细解释中已经提到了，具体内容如下：

     A system has consistency if a transaction starts with the system in a consistent state, and ends with the system in a consistent state. In this model, a system can (and does) shift into an inconsistent state during a transaction, but the entire transaction gets rolled back if there is an error during any stage in the process.

     • 对于系统执行事务来说，在事务执行过程中，系统其实处于一个不一致的状态，不同的节点的数据并不完全一致
       • 第一版的解释“All nodes see the same data at the same time”是不严谨的
       • 第二版强调 client 读操作能够获取最新的写结果就没有问题，因为事务在执行过程中，client 是无法读取到未提交的数据的，只有等到事务提交后，client 才能读取到事务写入的数据，而如果事务失败则会进行回滚，client 也不会读取到事务中间写入的数据
2. 可用性（Availability）

• 第一版解释

Every request gets a response on success/failure.
简单翻译为：每个请求都能得到成功或者失败的响应

• 第二版解释：

A non-failing node will return a reasonable response within a reasonable amount of time (no error or timeout).
简单翻译为：非故障的节点在合理的时间内返回合理的响应（不是错误和超时的响应）。

• 第一版是 every request，第二版强调了 A non-failing node
  • 第一版的 every request 是不严谨的，因为只有非故障节点才能满足可用性要求，如果节点本身就故障了，发给节点的请求不一定能得到一个响应
• 第一版的 response 分为 success 和 failure，第二版用了两个 reasonable：reasonable response 和 reasonable time，而且特别强调了 no error or timeout
  • 第一版的 success/failure 的定义太泛了，几乎任何情况，无论是否符合 CAP 理论，我们都可以说请求成功和失败，因为超时也算失败、错误也算失败、异常也算失败、结果不正确也算失败
  • 即使是成功的响应，也不一定是正确的。例如，本来应该返回 100，但实际上返回了 90，这就是成功的响应，但并没有得到正确的结果
  • 第二版的解释明确了不能超时、不能出错，结果是合理的，注意没有说“正确”的结果。例如，应该返回 100 但实际上返回了 90，肯定是不正确的结果，但可以是一个合理的结果

3. 分区容忍性（Partition Tolerance）

• 第一版解释：

System continues to work despite message loss or partial failure.
简单翻译为：出现消息丢失或者分区错误时系统能够继续运行。

• 第二版解释：

The system will continue to function when network partitions occur.
简单翻译为：当出现网络分区后，系统能够继续“履行职责”。

• 第一版用的是 work，第二版用的是 function
  • work 强调“运行”，只要系统不宕机，我们都可以说系统在 work，返回错误也是 work，拒绝服务也是 work
  • function 强调“发挥作用”“履行职责”，这点和可用性是一脉相承的。也就是说，只有返回 reasonable response 才是 function
  • 相比之下，第二版解释更加明确
• 第一版描述分区用的是 message loss or partial failure，第二版直接用 network partitions。
  • 对比两版解释，第一版是直接说原因，即 message loss 造成了分区，但 message loss 的定义有点狭隘，因为通常我们说的 message loss（丢包），只是网络故障中的一种
  • 第二版直接说现象，即发生了分区现象，不管是什么原因，可能是丢包，也可能是连接中断，还可能是拥塞，只要导致了网络分区，就通通算在里面

CAP 应用

虽然 CAP 理论定义是三个要素中只能取两个，但放到分布式环境下来思考，我们会发现必须选择 P（分区容忍）要素，因为网络本身无法做到 100% 可靠，有可能出故障，所以分区是一个必然的现象

• 如果我们选择了 CA 而放弃了 P，那么当发生分区现象时
• 为了保证 C，系统需要禁止写入，当有写入请求时，系统返回 error（例如，当前系统不允许写入）
• 这又和 A 冲突了，因为 A 要求返回 no error 和 no timeout
• 分布式系统理论上不可能选择 CA 架构，只能选择 CP 或者 AP 架构

1. CP - Consistency/Partition Tolerance

CP示意图

• 如图所示，为了保证一致性，当发生分区现象后，N1 节点上的数据已经更新到 y，但由于 N1 和 N2 之间的复制通道中断，数据 y 无法同步到 N2，N2 节点上的数据还是 x
• 这时客户端 C 访问 N2 时，N2 需要返回 Error，提示客户端 C“系统现在发生了错误”
• 这种处理方式违背了可用性（Availability）的要求，因此 CAP 三者只能满足 CP

2. AP - Availability/Partition Tolerance

AP示意图

• 如图所示，为了保证可用性，当发生分区现象后，N1 节点上的数据已经更新到 y，但由于 N1 和 N2 之间的复制通道中断，数据 y 无法同步到 N2，N2 节点上的数据还是 x
• 这时客户端 C 访问 N2 时，N2 将当前自己拥有的数据 x 返回给客户端 C 了，而实际上当前最新的数据已经是 y 了，这就不满足一致性（Consistency）的要求了
• 因此 CAP 三者只能满足 AP
• 注意：这里 N2 节点返回 x，虽然不是一个“正确”的结果，但是一个“合理”的结果，因为 x 是旧的数据，并不是一个错乱的值，只是不是最新的数据而已

小结

本文讲了 CAP 理论，通过对比两个不同版本的 CAP 理论解释，详细地分析了 CAP 理论的准确定义，希望对你有所帮助