分布式cap理论学习

【分布式】CAP理论详解

一致性(Consistency)

代表数据在任何时刻,任何分布式节点,看到的都是符合预期的。有点类似于幂等,无论访问哪个节点,得到结果数据一致。

可用性(Availability)

强调的是任意时刻一定能读到数据,不能有短暂的服务不可用,至于读取的数据是新值还是旧值都不影响,但一定要能成功访问。

分区容错性(Partition Tolerance)

数据被划分存储在多个节点,即使一个节点不可用了,仍能从其他节点访问数据。官话:在网络中断,消息丢失情况下,系统照样能够工作。

结论

首先,cap三个不同同时满足。

  • ca的场景是 读写场景都在主节点上,保证了数据即刻可以获取同时多次获取数据都是一致的。但是当主节点不可服务的时候,整个分布式集群将变的不可用
  • cp的场景是 当发生数据更新时,需在主从节点之间节点同步,节点会有短暂时间不可用的情况
  • ap的场景是 当发生数据更新时,主从节点可以即刻被访问并且能保证分布式节点可以被访问。但会出现数据不一致的问题。

对于分布式的场景,分区容错性(Partition-tolerance) 是必要的选择,否则分布式集群的意义就不大了。

总的来说,没有绝对完美的解决方案,只有合适业务的理论指导。

相关推荐
2401_8315017332 分钟前
Linux之Zabbix分布式监控篇(二)
数据库·分布式·zabbix
cui_win9 小时前
Kafka 配置参数详解:ZooKeeper 模式与 KRaft 模式对比
分布式·zookeeper·kafka
liux352811 小时前
Zabbix 分布式监控系统架构设计与优化
分布式·zabbix
cui_win13 小时前
深入理解 Kafka 核心:主题、分区与副本的协同机制
网络·分布式·kafka
淦暴尼13 小时前
基于spark的二手房数据分析可视化系统
大数据·分布式·数据分析·spark
黄雪超16 小时前
Kafka——无消息丢失配置怎么实现?
大数据·分布式·kafka
无问81717 小时前
RabbitMQ概述和工作模式
分布式·rabbitmq·ruby
武子康20 小时前
Java-75 深入浅出 RPC Dubbo Java SPI机制详解:从JDK到Dubbo的插件式扩展
java·分布式·后端·spring·微服务·rpc·dubbo
一切顺势而行1 天前
hadoop 集群问题处理
大数据·hadoop·分布式
Bug退退退1231 天前
RabbitMQ 高级特性之消息分发
java·分布式·spring·rabbitmq