目录

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。

本文是转载文章,点击查看原文
如有侵权,请联系 xyy@jishuzhan.net 删除
相关推荐
郭涤生1 小时前
Chapter 11: Stream Processing_《Designing Data-Intensive Application》
笔记·分布式
惊醒幡然15 小时前
消息队列之-Kafka
分布式·kafka
kill bert6 小时前
第30周Java分布式入门 消息队列 RabbitMQ
java·分布式·java-rabbitmq
程序员 小柴10 小时前
RabbitMQ的工作模式
分布式·rabbitmq·ruby
蒋星熠11 小时前
在VMware下Hadoop分布式集群环境的配置--基于Yarn模式的一个Master节点、两个Slaver(Worker)节点的配置
大数据·linux·hadoop·分布式·ubuntu·docker
小样vvv11 小时前
【分布式】微服务系统中基于 Hystrix 的熔断实现方案
分布式·hystrix·微服务
清风198114 小时前
kafka消息可靠性传输语义
数据库·分布式·kafka
小诸葛的博客14 小时前
Kafka、RocketMQ、Pulsar对比
分布式·kafka·rocketmq
数据智能老司机16 小时前
CockroachDB权威指南——SQL调优
数据库·分布式·架构