架构师训练营 W6 心得

CAP - 关注的粒度是数据，而不是整个系统

什么是 CAP 原理

CAP，在一个分布式系统（指互相连接并共享数据的节点的集合）中，当涉及读写操作时，只能保证一致性（Consistence）、可用性（Availability）、分区容错性（Partition Tolerance）三者中的两个，另外一个必须被牺牲。



一致性（Consistence）

client 读操作能够获取最新的写结果，因为事务在执行过程中，client 是无法读取到未提交的数据的，只有等到事务提交后，client 才能读取到事务写入的数据，而如果事务失败则会进行回滚，client 也不会读取到事务中间写入的数据。确保数据是一致的。



可用性（Availability）

请求结果不能超时、不能出错，且结果是合理的。



分区容忍性（Partition Tolerance）

网络发生了分区现象，可能是丢包，也可能是连接中断，还可能是拥塞，不管什么原因，系统要能继续依职责运作



选择

分布式系统理论上不可能选择 CA 架构，只能选择 CP 或者 AP 架构。



以 N1->Y （同步）==> N2->X，C 访问 N2 为例

CP - Consistency/Partition Tolerance

N1 节点上的数据已经更新到 Y，N1 和 N2 之间的复制通道中断，数据 Y 无法同步到 N2，N2 节点上的数据还是 X。这时客户端 C 访问 N2 时，N2 需要返回 Error，提示客户端 C ，系统现在发生了错误



AP - Availability/Partition Tolerance

当发生分区现象后，N1 节点上的数据已经更新到 Y，但由于 N1 和 N2 之间的复制通道中断，数据 y 无法同步到 N2，N2 节点上的数据还是 X。所以 C 读到的不是最新写入的 Y。虽不是正确的值，但却是合理的值（不是错误，只是非最新值）



应用思路



完美的 CP 场景是不存在的，即使是几毫秒的数据复制延迟，在这几毫秒时间间隔内，系统是不符合 CP 要求的。



关注的粒度是数据，而不是整个系统。每个系统不可能只处理一种数据，而是包含多种类型的数据，有的数据必须选择 CP，有的数据必须选择 AP。并非数据都是同一策略。



CAP 理论告诉我们分布式系统只能选择 CP 或者 AP，其实前提是系统发生了“分区”现象。如果没有发生分区现象（节点间的网络连接一切正常），便没有必要放弃 C 或者 A，应该 C 和 A 都可以保证，这就要求架构设计的时候既要考虑分区发生时选择 CP 还是 AP，也要考虑分区没有发生时如何保证 CA。



CAP 理论只是说在分区过程中我们无法保证 C 或者 A，但并不意味着什么都不做。因为在系统整个运行周期中，大部分时间都是正常的，发生分区现象的时间并不长。可以在分区期间进行一些操作，从而让分区故障解决后，系统能够重新达到 CA 的状态。



ACID - 保证数据库事务的正确性

Atomicity（原子性）

一个事务中的所有操作，要么全部完成，要么全部不完成，不会在中间某个环节结束。事务在执行过程中发生错误，会被回滚到事务开始前的状态，就像这个事务从来没有执行过一样。

Consistency（一致性）

在事务开始之前和事务结束以后，数据库的完整性没有被破坏。

Isolation（隔离性）

数据库允许多个并发事务同时对数据进行读写和修改的能力。

• 读未提交（Read uncommitted）

• 读提交（read committed）

• 可重复读（repeatable read）

• 串行化（Serializable）

Durability（持久性）

事务处理结束后，对数据的修改就是永久的，即便系统故障也不会丢失。



BASE -核心思想是即使无法做到强一致性，但应用可以采用适合的方式达到最终一致性。

BASE 理论本质上是对 CAP 中 AP 方案的一个补充。

基本可用（Basically Available）

分布式系统在出现故障时，允许损失部分可用性，即保证核心可用。如登入与注册

软状态（Soft State）

允许系统存在中间状态，而该中间状态不会影响系统整体可用性。这里的中间状态就是 CAP 理论中的数据不一致。

最终一致性（Eventual Consistency）

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。