CAP与BASE分布式理论

CAP理论

C：Consistency 一致性：指强一致性，分布式系统中的所有节点在同一时刻具有同样的值、都是最新的数据副本，一致性保证了不管向哪台服务器写入数据，其他的服务器能实时同步数据强一致性：写入数据的时候，要不全部节点都写入成功，要不都写入失败（类似数据库的事务性）。读取数据的时候，从哪个节点上都读取到最新的值。即所有节点时刻保持一样的值。
A：Availability 可用性：部分节点宕机不影响整个集群对外提供服务，每次向未故障的节点发送请求，服务节点总能保证在有限的时间内处理完成并进行响应，从用户角度来看就是不会出现系统操作失败或者访问超时等问题，但是系统内部可能会出现网络延迟等问题可用性：系统对外提供的服务一直处于可用的状态。用户每一次请求都能返回正确的结果。
P：Partition Tolerance 分区容错性：由于网络的问题错综复杂，如果某个节点因为网络等问题造成数据不一致，或者数据延迟很久才同步过来，虽然会影响部分节点数据的时效性，但是服务节点依然是可用的，分布式系统要能容忍这种情况的，也就是说，尽管网络上有部分消息丢失，但系统仍然可继续工作。分区容错性：集群的节点之间会发生通信，由于网络原因，集群通信出现问题。此时系统仍然能对外提供服务

一个分布式系统无法同时满足这三个条件，只能满足两个。P是必须的，一般为CP和AP。

P必须：分布式系统必然有多个节点之间通信，网络通信不能保证100%正常，所以P是必须的。放弃P就变成了单机系统

CP：不保证一直对外提供服务。如zookeeper故障，在恢复阶段无法进行读写。

AP：节点之间短时间内存在数据差异。如redis集群发生网络故障，每个节点都能对外提供服务，但是数据不一致。

CAP之间的取舍不是针对一个系统。一个系统存在多种数据，针对不同数据使用CAP做出取舍。

选择CP或者AP，也不是完全放弃另一个。故障恢复后也要想办法恢复C或者A。

BASE 理论是指，Basically Available（基本可用）、Soft-state（软状态）、Eventual Consistency（最终一致性），是基于CAP定理演化而来，是对CAP中一致性和可用性权衡的结果。

核心思想：即使无法做到强一致性，但每个业务根据自身的特点，采用适当的方式来使系统达到最终一致性。

基本可用：分布式系统在出现故障的时候，允许损失部分可用性，保证核心可用。但不等价于不可用。比如：搜索引擎0.5秒返回查询结果，但由于故障，2秒响应查询结果；网页访问过大时，部分用户提供降级服务等。
软状态：软状态是指允许系统存在中间状态，并且该中间状态不会影响系统整体可用性。即允许系统在不同节点间副本同步的时候存在延时。
最终一致性：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，不需要实时保证系统数据的强一致性。最终一致性是弱一致性的一种特殊情况。

参考：