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
一只程序汪1 小时前
【如何实现分布式压测中间件】
分布式·中间件
William一直在路上2 小时前
主流分布式中间件及其选型
分布式·中间件
茫茫人海一粒沙2 小时前
理解 Confluent Schema Registry:Kafka 生态中的结构化数据守护者
分布式·kafka
weixin_438335402 小时前
分布式定时任务:Elastic-Job-Lite
分布式·elasticjoblite
hjs_deeplearning5 小时前
认知篇#10:何为分布式与多智能体?二者联系?
人工智能·分布式·深度学习·学习·agent·智能体
小毛驴8506 小时前
Windows 环境下设置 RabbitMQ 的 consumer_timeout 参数
windows·分布式·rabbitmq
述雾学java8 小时前
Spring Cloud 服务追踪实战:使用 Zipkin 构建分布式链路追踪
分布式·spring·spring cloud·zipkin
大只鹅8 小时前
分布式部署下如何做接口防抖---使用分布式锁
redis·分布式
weixin_438335408 小时前
分布式定时任务:xxl-job
分布式
大数据CLUB8 小时前
基于spark的航班价格分析预测及可视化
大数据·hadoop·分布式·数据分析·spark·数据可视化