CAP定理Base理论

Posted 2021-04-24 Java乐分享

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了CAP定理Base理论相关的知识，希望对你有一定的参考价值。

CAP定理

CAP理论为：一个分布式系统最多只能同时满足一致性（Consistency）、可用性（Availability）和分区容错性（Partition tolerance）这三项中的两项

CAP定理Base理论

一致性（Consistency）

一致性指（all nodes see the same data at the same time），即更新操作成功并返回客户端完成后，所有节点在同一时间的数据完全一致，不能存在中间状态

强一致性：所有节点在同一时间的数据完全一致。要么一起成功，要么一起失败，不会存在说A先把数据插入，如果B失败在把A的数据删除。应该是当B成功后然后一起把数据插入AB
弱一致性：允许存在部分数据不一直
最终一致性：允许存在中间状态，只要求经过一段时间后，数据最终是一致的，则称之为最终一致性

可用性（Availability）

可用性是指（Reads and writes always succeed），系统提供的服务必须一直处于可用的状态，对于用户的每一个操作请求总是能够在有限的时间内返回结果

分区容错性（Partition tolerance）

分区容错性指（the system continues to operate despite arbitrary message loss or failure of part of the system），即分布式系统在遇到某节点或网络分区故障的时候，仍然能够对外提供满足一致性和可用性的服务

一般情况都会选择分区容错性加一致性（CP系统）或者分区容错性加可用性（AP系统）

CP表示强一致性系统：常用于金融级系统

AP表示高可用系统

CAP权衡

通过CAP定理，我们知道无法同时满足一致性、可用性、和分区容错性这三个特性，那么要舍弃哪个呢？

对于多数大型互联网应用的场景，主机众多、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（99.999999% ），即保证P和A，舍弃C（退而求其次保证最终一致性）。虽然某些地方会影响客户体验，但没达到造成用户流程的严重程度。

对于涉及到钱财这样不能有一丝让步的场景，C必须保证。网络发生故障宁可停止服务，这是保证CA舍弃P。还有一种是保证CP舍弃A，例如网络故障是只读不写

孰优孰略，没有定论，只能根据场景定夺，适合的才是最好的

Base理论

eBay的架构师Dan Pritchett源于对大规模分布式系统的实践总结，在ACM上发表文章提出BASE理论，BASE理论是对CAP理论的延伸，核心思想是即使无法做到强一致性（Strong Consistency，CAP的一致性就是强一致性），但应用可以采用适合的方式达到最终一致性（Eventual Consitency）。

基本可用（Basically Available）：基本可用是指分布式系统在出现故障的时候，允许损失部分可用性。

即保证核心可用。电商大促销时，为了应对访问量激增，部分用户可能会被引导到降级页面，服务层也可能只降级服务。这就是损失部分可用性的体现

软状态（Soft State）：软状态是指允许系统存在中间节点，而该中间状态不会影响系统整体可用性。

分布式存储中一般一份数据至少会有三个副本，允许不同节点间副本同步的延时就是软状态的体现。mysql Peplication的异步复制也是一种体现

最终一致性（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。

弱一致性和强一致性相反，最终一致性是弱一致性的一种特殊情况

ACID和BASE的区别与联系

ACID是传统数据库常用的设计理念，追求强一致性模型。BASE支持的是大型分布式系统，提出通过牺牲强一致性获得高可用性。

ACID和BASE代表了两种截然相反的设计哲学，在分布式系统设计的场景中，系统组件对一致性要求是不同的，因此ACID和BASE又会结合使用。

BASE理论面向的是大型高可用可扩展的分布式系统，和传统的事物ACID特性是相反的。通过牺牲强一致性来获得可用性，允许数据在一段时间内是不一致的，但最终达到一致状态。实际应用中，会在对数据库操作进行本地事务（ACID特性）+Eventually consistent最终一致性（BASE理论）结合使用。