第六周 cap 原理

第一版的解释：对于一个分布式操计算系统，不可能同时满足一致性（Consistence），可用性，分区容错性的三个设计约束

第二版解释：在一个分布式计算系统（相互连接并共享数据的集合节点）中，当设计读写操作的时候，只能保证一致性，可用性，分区容错性三者中的两个，另一个必须牺牲。

第二版强调两点：相互连接并共享数据，因为分布式事物中并一定会互联和共享数据

cap关注的是对数据的读写操作，而不是分布式所有的功能。比如zookeeper的选举机制就不是cap关注内容

一致性：所有节点的同一时刻都能看到相同的数据

第二版解释：对某个指定的客户端来说，读操作保证能够返回最新的写操作结果

区别：第一版从node节点来看，第二版从client的角度描述

可用性：每个请求都能得到成功或者失败的响应

第二版解释：非故障的节点在合理的时间内返回合理的响应（不是错误和超时的响应）

分区容错性：出现消息丢失或者分区错误时系统能够继续运行

第二版解释：当出现网络分区后，系统能够继续履行职责

虽然CAP理论定义是三个要素只能取两个，但放到分布式环境下来思考，我们发现必须选择P（分区容忍）要素，因为网络本身无法做到100%可靠，有可能出现故障，所以分区一个必然新乡，如果选择CA而放弃P，当发生分区现象时，为了保证C，系统禁止写入，当有写入请求的时候，系统返回error，这有A冲突，A要求返回no error和no timeout，因此，分布式系统理论上不可能选择CA框架，只能选择CP或者AP框架

CP模型：

发生分区现象后，比如P1和P2数据不一致的时候，比如P1的更新了一个数据，P2没有同步到。当访问P2的时候，提示数据错误，不可用。

AP模型：

发生分区现象后，比如P1和P2数据不一致的时候，比如P1的更新了一个数据，P2没有同步到。当访问P2的时候，返回一个旧的数据，可用，不一致。

BASE原则

BASE是指基本可用（basically Avaible），软状态（soft state），最终一致性（Eventual Consistency）核心思想无法做到强一致性（CAP强调的强一致性），但可以采用合适的方式达到最终一致性

1、基本可用

在分布式系统出现故障时，允许损失部分可用性，即保证核心功能可用

2、软状态

允许系统中保存中间状态，而中间状态不会影响系统的整体可用性。

3、最终一致性

系统中的所有数据副本经过一定时间后，最终达到一致性的状态。一定时间和数据的特性是强关联的，不同的数据能够容忍的时间是不同的。

其实BASE原则是AP原则的延伸