> CAP理论指的是分布式系统最多同时满足C-consistency、A-available和P-partition tolerance中的两项   ## 1. consistency一致性 1. all nodes see the same data at the same time即为更新数据完成并响应客户端后，其他节点获取的都是最新的值（同步完成，强一致性） 2. 对于一致性，可以分为从客户端和服务端两个不同的视角。从客户端来看，一致性主要指的是多并发访问时更新过的数据如何获取的问题。 从服务端来看，则是更新如何复制分布到整个系统，以保证数据最终一致。一致性是因为有并发读写才有的问题，因此在理解一致性的问题时，一定要注意结合考虑并发读写的场景。 3. 对于关系型数据库，要求更新过的数据能被后续的访问都能看到，这是强一致性。 4. 如果能容忍后续的部分或者全部访问不到，则是弱一致性。 5. 如果经过一段时间后要求能访问到更新后的数据，则是最终一致性。 ## 2. available可用性 reads and writes always available，服务一直可以提供响应，即使数据不是最新的。 ## 3. 分区容忍性（Partition tolerance） > 1. 分布式系统在遇到任何网络分区故障的时候，仍然能够对外提供满足一致性和可用性的服务，也就是说，服务器A和B发送给对方的任何消息都是可以放弃的，也就是说A和B可能因为各种意外情况，导致无法成功进行同步，分布式系统要能容忍这种情况。除非整个网络环境都发生了故障。 > 2. P是分布式的基础，不满足分区容忍，就是单体应用了  AP： 即时G1和G2数据同步失败，也要保证可用性 CP：G1和G2数据同步失败，就一直等着，不提供服务，因为要保证数据的一致性 ### 同步策略 保证可用性和分区容错，舍弃强一致性，但保证最终一致性，比如一些高并发的站点（秒杀、淘宝、12306）。最终近似于兼顾了三个特性。 ## 4. 数据一致性 > **一致性可以分为强一致性、弱一致性和最终一致性。所谓强一致性，即复制是同步的，弱一致性，即复制是异步的。** CAP理论告诉我们一个悲惨但不得不接受的事实——我们只能在C、A、P中选择两个条件。而对于业务系统而言，我们往往选择牺牲一致性来换取系统的可用性和分区容错性。不过这里要指出的是，所谓的“牺牲一致性”并不是完全放弃数据一致性，而是牺牲**强一致性**换取**弱一致性**。 ### 4.1 强一致性 > 系统中的某个数据被成功更新后，后续任何对该数据的读取操作都将得到更新后的值； 也称为：原子一致性（Atomic Consistency）线性一致性（Linearizable Consistency） **1. 两个要求：** * 任何一次读都能读到某个数据的最近一次写的数据。 * 系统中的所有进程，看到的操作顺序，都和全局时钟下的顺序一致。 简言之，在任意时刻，所有节点中的数据是一样的。例如，对于关系型数据库，要求更新过的数据能被后续的访问都能看到，这是强一致性。 **2. 总结：** * 一个集群需要对外部提供强一致性，所以只要集群内部某一台服务器的数据发生了改变，那么就需要等待集群内其他服务器的数据同步完成后，才能正常的对外提供服务。 * 保证了强一致性，务必会损耗可用性。 ### 4.2 弱一致性 > 系统中的某个数据被更新后，后续对该数据的读取操作**可能**得到更新后的值，也可能是更改前的值。 但即使过了**不一致时间窗口**这段时间后，后续对该数据的读取也不一定是最新值 所以说，可以理解为数据更新后，如果能容忍后续的访问只能访问到部分或者全部访问不到，则是弱一致性。 ### 4.3 最终一致性 > 是弱一致性的特殊形式，存储系统保证在没有新的更新的条件下，最终所有的访问都是最后更新的值。 > 不保证在任意时刻任意节点上的同一份数据都是相同的，但是随着时间的迁移，不同节点上的同一份数据总是在向趋同的方向变化。 简单说，就是在一段时间后，节点间的数据会最终达到一致状态。 **一致性总结** 弱一致性即使过了不一致时间窗口，后续的读取也不一定能保证一致，而最终一致过了不一致窗口后，后续的读取一定一致 ## 5. Base理论 * BA：Basic Available基本可用 * 整个系统在某些不可抗力的情况下，仍然能够保证“可用性”，即一定时间内仍然能够返回一个明确的结果。只不过“基本可用”和“高可用”的区别是： * “一定时间”可以适当延长 当举行大促时，响应时间可以适当延长 * 给部分用户返回一个降级页面 给部分用户直接返回一个降级页面，从而缓解服务器压力。但要注意，返回降级页面仍然是返回明确结果。 * S：Soft State柔性状态： 是指允许系统中的数据存在中间状态，并认为该中间状态的存在不会影响系统的整体可用性，即允许系统不同节点的数据副本之间进行数据同步的过程存在延时。 * E：Eventual Consisstency最终一致性： 同一数据的不同副本的状态，可以不需要实时一致，但一定要保证经过一定时间后仍然是一致的。 BASE理论是对CAP中的一致性和可用性进行一个权衡的结果，理论的核心思想就是：我们无法做到强一致，但每个应用都可以根据自身的业务特点，采用适当的方式来使系统达到最终一致性（`Eventual consistency`）。