分布式系统基础--CAP理论

CAP理论（一个分布式系统至多只能满足三项中的两项）

一致性(Consistency）所有节点在同一时间访问到的数据完全一致

可用性(Availability）非故障节点对每一个请求能做出响应

分区容错性（Partition Tolerance）当集群中的某些结点无法联系时仍能正常提供服务

说说一致性：

一致性是因为多个数据拷贝下并发读写才有的问题

若从客户端和服务端两个不同的视角来看

客户端：一致性主要指的是数据更新后，在多并发访问时如何获取
服务端：指更新如何分布到整个系统，以保证数据最终一致

一致性，可以分为强/弱/最终一致性三类

从客户端角度，多进程并发访问时，更新过的数据在不同进程如何获取的不同策略，决定了不同的一致性。

强一致性：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
弱一致性：能容忍后续的部分或者全部访问不到
最终一致性：经过一段时间后要求能访问到更新后的数据

CAP的证明

上图是证明CAP的基本场景，网络中有两个节点N1和N2，他们之间网络可以连通，N1、N2中均有一个应用程序A/B，和一个数据库V。两个V0是分布式系统的数据存储的两个子数据库

在满足一致性的时候，N1和N2中的数据是一样的，V0=V0

在满足可用性的时候，用户不管是请求N1或者N2，都会得到立即响应

在满足分区容错性的情况下，N1和N2有任何一方宕机，或者网络不通的时候，都不会影响N1和N2彼此之间的正常运作

如上图，分布式系统正常运转下，用户向N1机器请求数据更新，程序A更新数据库V0为V1，分布式系统将数据进行同步操作M，将V1同步到N2中的V0，使得N2中的数据V0也更新为V1，N2此时响应读数据请求则与N1中一致

现在假设一种极端情况，N1和N2之间的网络断开了，分布式系统要支持这种网络异常，相当于要满足分区容错性，能不能同时满足一致性和响应性呢？

假设在N1和N2之间网络断开的时候，有用户向N1发送写数据请求，那N1中的数据V0将被更新为V1，由于网络断开，分布式系统无法同步操作M，故N2中的数据依旧是V0

此时，有用户向N2发送读数据请求，由于数据还没有进行同步，应用程序没办法立即给用户返回最新的数据V1，怎么办呢？有二种选择：

第一，牺牲一致性，响应旧的数据V0给用户

第二，牺牲可用性，阻塞等待，直到网络连接恢复，数据更新操作M完成之后，再给用户响应最新的数据V1

这个过程，证明了要满足分区容错性的分布式系统，只能在一致性和可用性两者中，选择其中一个

CAP权衡

CA without P：舍弃P（不允许分区容错），则C（强一致性）和A（可用性）是可以保证的。但其实分区不是想不想的问题，而是始终会存在，因此CA的系统更多的是允许分区后各子系统依然保持CA

CP without A：舍弃A（可用性），相当于每个请求都需要在Server之间强一致，而P（分区）会导致同步时间无限延长。很多传统的数据库分布式事务都属于这种模式
AP wihtout C：舍弃C（一致性），要高可用并允许分区，一旦分区发生，节点之间可能会失去联系，为了高可用，每个节点只能用本地数据提供服务，而这样会导致全局数据的不一致性，现在众多的NoSQL都属于此类

高可用性：指系统无中断地执行其功能的能力，代表系统的可用性程度

其度量方式，是根据系统损害、无法使用的时间，以及由无法运作恢复到可运作状况的时间，与系统总运作时间的比较。计算公式为:

A（可用性），MTBF(平均故障间隔)，MDT(平均修复时间)

在线系统和执行关键任务的系统通常要求其可用性要达到5个9标准(99.999%)---年故障时间为5分15秒