序

CAP理论也称在Brewer定理，在2000年由Eric Brewer在ACM研讨会上提出，其认为当应用系统变得越来越web化，应当放弃对数据一致性（data consistency）的担忧，因为要想获得这种新的分布式系统的高可用性（high availability），确保数据一致性是我们无法做到的，这样给予任何人3台服务器和一双关注客户体验的眼睛就可以建立一家互联网公司。Brewer的信徒（当天就有的和后来皈依的）包括像Amazon,EBay和Twitter这类公司。

Brewer认为在分布式的环境下设计和部署系统时，有3个核心的系统需求（systemic requirements），以一种特殊的关系存在。（他主要是谈论Web类的应用，但如今非常多的公司业务是多站点／多国家的，因此该理论同样适用于你的数据中心/LAN/WAN的设计）这3个核心的需求是：Consistency，Availability和Partition Tolerance，赋予了该理论另外一个名字－ CAP。

2年后，2002年，麻省理工（MIT）的Seth Gilbert和Nancy Lynch，理论上证明了Brewer猜想是正确的，就此Brewer定理（Theorem）诞生了。

理论

CAP：理论定义：在系统设计当中，针对一个数据的Consistent，Availability以及Partition-Consistency，是不可能同时兼顾的。即，不可能三项均达到最佳程度。

首先需要明确定义一下这三个性能：

Consistent:一致性，一致性类型分很多，这个可以单开一章讲了。在这里只讨论强一致性和最终一致性即可。一致性是针对分布式系统读写操作获得结果的一种描述。

强一致性指对于一个系统的任何读写操作都和单机是一样的。
最终一致性指，对一个系统的写操作之后，并不是立刻对有所的读操作可见，即有可能在一些读操作上读到写之前操作的结果。但经过有限的事件，整个系统最终会实现该写入操作对所有的读操作可见。

Availability：可用性。指一个请求是否在有限的时间内应答。具体来说，在分布式系统中进行一项操作之后需要一个结果等待时间，根据我的理解，Availability与该响应时间成反比。即：相应延时越低，Availability越高。

Partition-Consistency：分区容忍性。这个众说纷纭，我觉得最合理的解释是：能否避免单点故障导致数据丢失。

Gilbert 和Lynch是这样定义partition tolerance的,除了整个网络的故障外，其他的故障（集）都不能导致整个系统无法正确响应。(No set of failures less than total network failure is allowed to cause the system to respond incorrectly)，请注意Brewer的注释，单节点partition就等同于服务器crash，因为如果无法连接它，那它就和不存在一样.

样例说明

人家理论说CAP不能同时满足，你得说明为什么啊。下面我们针对一组数据举一个例子。

需求：你需要存出一个INT变量，保证任意时间可读可写。

分析：

1. 首先你不能只把这个变量存在一个机器上，因为这个机器挂了，你的数据就丢了。这就是P特性，你如果不要P特性了，也就是不管单点故障了。就存一个机器上，用个数据库，A和C妥妥的。所以，不要P，AC是可以保证的。

2，既然存在多个机器上，假设2个机器h1和h2吧。那么现在的操作应该有四种，

h1读记作1r，
h1写->1w
h2读->2r
h2写->2w

一致性要求四个操作随意做，都对其他可见，因此1w之后2r就需要考虑一下怎么实现了。我们有两种实现策略：

同步或者异步。

同步：意味着1w的过程中，需要同时执行2w且成功后，1w才能返回成功（否则1w对2r不可见）
异步：意味着1w结束后，发出2w的命令即返回结果。

先说异步，异步牺牲了一致性，以保证可用性，因为此时等待时间仅剩下单机h1上的操作，不管你是锁着呢，还是出现故障，都可以通过程序进行处理，因此异步数据降低了C，保证了A。

3. 使用同步策略：（也是那个人把我问住的地方）

显然同步策略能够保证强一致性。因为你在所有节点写入书记之后才返回，所以写入操作对所有节点可见。

但要求一致性的时候，为什么一定是要求可用性下降？

我当时是这么说的，这是两个机器：10000台机器呢？总有一些机器因为故障，锁住，网络等原因响应缓慢，这样你初始的1w操作至少要等一会吧？

我知道，你肯定要说，为什么备份10000份，我就用3倍副本你怎么着？为什么还要牺牲可用性。

其实我和他都陷入了误区，你三倍副本又如何就这例子中2倍副本也是同样降低了可用性的。为什么？

我们看一下同步策略过程中都发生了什么，1w开始，1w本地完成，1w发送消息给h2，2w完成，发送消息给h1，h1确认1w，2w都完成，则返回1w结束。

对比异步策略：1w开始，1w完成，发送消息给h2，1w结束。

这就是可用性降低了，为什么？你还需要额外等待h2的操作啊，当然，大部分时间下h2都可以正常完成，但总之你依赖了更多的网络，依赖更多的其他机器，那么你的可用性就必然下降。

所以，结论是，不要P，可以有AC并存，一旦要了P，AC无法并存。

至于说其他几种，用的很少，就不证明了。

http://www.infoq.com/cn/articles/cap-twelve-years-later-how-the-rules-have-changed/

参考文献：

http://blog.sina.com.cn/s/blog_493a8455010161hi.html

CAP理论举例及说明相关推荐

NoSQL 与 CAP 理论
之前我们讨论了传统的数据库事务的 ACID 特性: 解读事务的ACID! 其实传统数据库和 NoSQL 中对于可用性.一致性的理解不一样. 因为有时候会听到一些新型数据库宣称满足强一致.高可用.且多地 ...
分布式系统中的FLP不可能原理、CAP理论与BASE理论
前言分布式系统是由多个不同的服务节点组成,节点与节点之间通过消息传递进行通信和协调.根据消息传递的不同,分布式系统的运行模型可以分为异步模型系统和同步模型系统. 1.同步与异步同步和异步关注的是 ...
etcd 笔记（01）— etcd 简介、特点、应用场景、常用术语、分布式 CAP 理论、分布式原理
1. etcd 简介 etcd 官网定义: A highly-available key value store for shared configuration and service discov ...
ZooKeeper和CAP理论及一致性原则
ZooKeeper和CAP理论及一致性原则一.CAP理论概述 CAP理论告诉我们,一个分布式系统不可能同时满足以下三种一致性(C:Consistency) 可用性(A:Available) 分区容 ...
cap理论与分布式事务的解决方案
现在很火的微服务架构所设计的系统是分布式系统.分布式系统有一个著名的CAP理论,即一个分布式系统要同时满足一致性(Consistency).可用性(Availablility)和分区容错(Partit ...
肝了3版才满意：分布式系统之CAP理论，我们对它的理解和误解
引言 CAP 理论,相信很多人都听过,它是指: 一个分布式系统最多只能同时满足一致性(Consistency).可用性(Availability)和分区容错性(Partition tolerance) ...
浅论服务端应用程序开发中的CAP思想(非分布式系统中的CAP理论)
本文从属于笔者的<服务端应用程序结构风格变迁之路> CAP理论是分布式系统构建中的基础理论之一,其中的C(Consistency),一致性即指所有的节点都能访问同一份最新的数据副本.A(A ...
分布式理论：CAP理论
2019独角兽企业重金招聘Python工程师标准>>> 一.CAP理论原理 1.CAP理论介绍 2000年7月,加州大学伯克利分校的Eric Brewer教授在ACM PODC会议上 ...
分布式理论(一)CAP 理论
分布式理论(一) CAP理论一．CAP理论前言 CAP原则又称为CAP理论,主要思想是在任何一个分布式系统中都无法同时满足CAP. C(Consistency):表示一致性,所有的节点同一时间看到的 ...

CAP理论举例及说明

序

理论

样例说明

CAP理论举例及说明相关推荐

最新文章

热门文章