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
躺不平的理查德2 小时前
General Spark Operations(Spark 基础操作)
大数据·分布式·spark
talle20212 小时前
Zeppelin在spark环境导出dataframe
大数据·分布式·spark
渣渣盟3 小时前
大数据开发环境的安装,配置(Hadoop)
大数据·hadoop·分布式
Angindem3 小时前
SpringClound 微服务分布式Nacos学习笔记
分布式·学习·微服务
龙仔72511 小时前
离线安装rabbitmq全流程
分布式·rabbitmq·ruby
〆、风神14 小时前
Spring Boot 整合 Lock4j + Redisson 实现分布式锁实战
spring boot·分布式·后端
胡萝卜糊了Ohh15 小时前
kafka
分布式·kafka
桑榆080617 小时前
Spark-Streaming核心编程
大数据·分布式·spark
nbsaas-boot19 小时前
分布式微服务架构,数据库连接池设计策略
分布式·微服务·架构