分布式CAP定理

CAP定理

CAP定理简述

一个分布式系统不可能同时满足一致性（C:Consistency)、可用性(A:Availability) 和 分区容错性（P:Partition tolerance) 这三个基本需求，最多只能同时满足其中的两项。

• 一致性(Consistency) 每次访问都能获得最新数据，但可能会收到错误响应。

• 可用性(Availability) 每次访问都能收到成功的响应（响应时间也正常），但不保证获取到最新数据。 “Reads and writes always succeed”

• 分区容错性(Partition tolerance) 在网络分区的情况下，即使出现单个节点无法可用，系统依然正常对外提供服务。

如何选择

注意：不是所谓的3选2

当发生网络分区的时候，如果我们要继续服务，那么强一致性和可用性只能2选1。也就是说当网络分区之后P是前提，决定了P之后才有C和A的选择。也就是说 分区容错性（Partition tolerance） 我们是必须要实现的。

在分布式系统中，在任何数据库设计中，一个Web应用至多只能同时支持上面的两个属性。显然，任何横向扩展策略都要依赖于数据分区。因此，设计人员必须在一致性与可用性之间做出选择。

对于一个业务系统来说，可用性和分区容错性是必须要满足的两个条件，并且这两者是相辅相成的。业务系统之所以使用分布式系统，主要原因有两个：

• 提升整体性能 ：当业务量猛增，单个服务器已经无法满足我们的业务需求的时候，就需要使用分布式系统，使用多个节点提供相同的功能，从而整体上提升系统的性能，这就是使用分布式系统的第一个原因。

• 实现分区容错性 ：单一节点 或 多个节点处于相同的网络环境下，那么会存在一定的风险，万一该机房断电、该地区发生自然灾害，那么业务系统就全面瘫痪了。为了防止这一问题，采用分布式系统，将多个子系统分布在不同的地域、不同的机房中，从而保证系统高可用性。 这说明分区容错性是分布式系统的根本，如果分区容错性不能满足，那使用分布式系统将失去意义。

CAP定理详述

Consistency（一致性）

一致性指“all nodes see the same data at the same time”，即所有节点在同一时间的数据完全一致。

一致性是因为多个数据拷贝下并发读写才有的问题，因此理解时一定要注意结合考虑多个数据拷贝下并发读写的场景。

对于一致性，可以分为从客户端和服务端两个不同的视角。

• 1、客户端 从客户端来看，一致性指的是并发访问时更新过的数据如何获取的问题。

• 2、服务端 从服务端来看，则是更新如何分布到整个系统，以保证数据最终一致。

数据一致性的基础理论

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。对于一致性，可以分为强/弱/最终一致性 三类

1、强一致

当更新操作完成之后，任何多个后续进程或者线程的访问都会返回最新的更新过的值。

2、弱一致性

系统并不保证续进程或者线程的访问都会返回最新的更新过的值。 系统在数据写入成功之后，不承诺立即可以读到最新写入的值，也不会具体的承诺多久之后可以读到。

3、最终一致性

1、弱一致性的特定形式。

2、经过一段时间后要求能访问到更新后的数据。

3、在没有故障发生的前提下，不一致窗口的时间主要受通信延迟，系统负载和复制副本的个数影响。DNS是一个典型的最终一致性系统。 Availability（可用性） 可用性指“Reads and writes always succeed”，即：每次访问都能收到成功的响应（响应时间也正常），但不保证获取到最新数据。

好的可用性主要是指系统能够很好的为用户服务，不出现用户操作失败或者访问超时等用户体验不好的情况。通常情况下可用性和分布式数据冗余，负载均衡等有着很大的关联。 Partition Tolerance（分区容错性）

分区容错性指“the system continues to operate despite arbitrary message loss or failure of part of the system”，即：分布式系统在遇到某节点或网络分区故障的时候，仍然能够对外提供满足一致性或可用性的服务。

CAP为什么只能取两个？

CAP的基本场景

上图是我们证明CAP的基本场景，网络中有两个节点N1和N2，可以简单的理解N1和N2分别是两台计算机，它们之间网络可以连通，N1中有一个应用程序A和一个数据库V；N2也有一个应用程序B2和一个数据库V。现在，A和B是分布式系统的两个部分，V是分布式系统的数据存储的两个子数据库。

CAP情景如下：

• 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时候，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。

分布式系统正常运转的流程

上图是分布式系统正常运转的流程，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同步的N2中的V0，使得N2中的数据V0也更新为V1，N2中的数据再响应N2的请求。

这里，可以定义N1和N2的数据库V之间的数据是否一样为一致性；外部对N1和N2的请求响应为可用性；N1和N2之间的网络环境为分区容错性。

这是正常运作的场景，也是理想的场景，然而现实是残酷的，当错误发生的时候，一致性和可用性还有分区容错性，是否能同时满足，还是说要进行取舍呢？

出现异常

作为一个分布式系统，它和单机系统的最大区别，就在于网络。现在假设一种极端情况，N1和N2之间的网络断开了，我们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？还是说要对他们进行取舍。

假设在N1和N2之间网络断开的时候，有用户向N1发送数据更新请求，那N1中的数据V0将被更新为V1，由于网络是断开的，所以分布式系统同步操作M，所以N2中的数据依旧是V0；这个时候，有用户向N2发送数据读取请求，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？

有两种选择：

• 牺牲数据一致性，响应旧的数据V0给用户；

• 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的实际使用

服务的CAP

示例：Redis

以Redis为例，Redis集群在一个节点下线后，其他节点可以正常提供服务，因此是AP架构的。（但是在多个节点下线，导致分布式集群不可用的时候，整个集群就不能用了。）

注册中心的CAP

示例：Nacos

Nacos支持AP/CP两种模式，可以任选一种。AP和CP体现在对不可用的应用实例的处理方式。

注册中心支持的项