分布式数据库设计中关键几点

简述 CAP 原理



CAP定理（CAP theorem）又被称为布鲁尔定理（Brewer's theorem）,是加州大学伯克利分校计算机科学家克.布鲁尔（Eric Brewer）在2000年的ACM PODC上提出的一个猜想。2002年，麻省理工的两个科学家发布了布鲁尔猜想的证明，使之称为分布式计算领域公认的一个定理。



CAP指的是在一个共享数据的分布式系统中，下面三者最多同时保证二者，系统设计师可以做到优化数据一致性和可用性，进而取得三者之间的平衡。 三者描述：



• Consistency(一致性)

定义：读操作得到最近一次写入的数据，体现了系统对统一数据提供的读写操作是线性化的。

理解：为了保证可用性，一个分布式系统由多个节点组成。各节点维护一份数据，但不管用户访问到哪个节点，原则上应该读取到相同的数据。为了达到这个效果，一个节点收到写入请求，需将数据同步到其他节点。



• Availability(可用性)

定义：请求在限定时间内从非失败的节点得到非失败的响应，体现了系统能持续提供服务的能力。

理解：分布式系统的两大初衷：横向扩展(scalability)和高可用(availability)。横向扩展为了解决单点瓶颈，保证高并发下可用性， 高可用为了单点故障问题，保证部分节点故障的可用性。分布式的核心诉求是可用性，可在合理的时间内得到合理的响应。



• Partition Tolerance(分区容忍性)

定义：系统允许节点间网络消息的丢失或延迟，体现了系统是否能接纳基于数据的网络分区。

理解：分布式系统中，节点间的数据同步时基于网络的。由于网络本身固有的不可靠属性，极端情况下会出现网络不可用的情况，进而将网络两端的节点孤立开来。就是所谓的“网络分区”。理论上是无法避免的，虽然发生的概率低，时长短。



在讨论CAP定理是， P分区容忍性是必选项，任何时间都可能出现网络故障而发生分区，因此就是从CP和AP中选择合适的那一个。需特别说明的是，在系统正常运行是，网络分区没有出现，是有可能同时满足一致性和可用性两者的。具体分析三种模型：



• CA模型

同时满足CA, 牺牲掉分区容忍性系统也是有的，比如单点系统，多节点但之间没有数据共享和数据交换的系统，但不是CAP讨论的范围。



• CP模型

舍弃可用性，一定会读到最新数据。一旦发生网络分区，会影响用户的体验和业务可用性。典型应用：Etcd, HBase。

相关理论：ACID，CAP的酸，追求一致性。是关系型数据库的重要特性。通过事务的支持来实现强一致性，包含：原子性(Atomicity)、一致性(Consistency)、隔离性(Isolation)、持久性(Durability)



• AP模型

舍弃了一致性，实现服务的高可用。用户访问系统时，都能得到响应数据，不会出现错误响应，但会读到旧数据。典型应用Cassandra，DynamoDB。

相关理论：BASE，CAP的碱，追求可用性。是NoSQL数据库的重要特性。基于CAP衍生而来，对于其牺牲强一致性和保证可用性的经验总结。包含：基本可用(Basically Available)、软状态(Soft State)、最终一致性(Eventually Consistent)



描述分布式数据库 临时失效的处理过程,使用Doris的UML时序图

（包括判断系统进入临时失效状态，临时失效中的读写过程，失效恢复过程）