分布式-CAP理论

背景

在大规模拓展服务下存在三个特性：

  1. C（Consistency）：一致性

  2. A（Availability）：可用性

  3. D（Partition Tolerance）：分区容错性

20240330204113

一致性

一致性： All nodes see the same data at the same time

所有节点数据，在同一时刻，读数据都是最新的

20240330204606

流程：

  1. 对主存储写数据

  2. 进行上锁，要求对从存储进行同步

  3. 同步成功，释放锁，返回成功

可用性

可用性：Reads and writes always succeed

服务永远可用，用户感知不到异常

20240330205316

流程：

  1. 用户向master请求

  2. master从从存储请求

分区容错性

分区容错性：The system continues to operate despite arbitrary message loss or failure of part of the system

在分布式系统中，尽管部分节点出现任何消息丢失或者故障，系统还应继续运⾏

20240330205748

流程：

尽使⽤异步取代同步操作，例如使⽤异步⽅式将数据从主数据库同步到从数据，这样节点
之间能有效地实现松耦合。

CAP的取舍

CAP一般都是只能三选二，其中P应该是分布式系统的必须项目，所以只能在CA中权衡

CP放弃A

CP放弃A，就是允许系统停机和长时间无响应

放弃可⽤性，追求⼀致性和分区容错性，如Redis、HBase等，还有分布式系统中常⽤的
Zookeeper也在CAP三者之中选择优先保证CP。
典型的CP应⽤场景，如跨⾏转账，⼀次转账请求要等待双⽅银⾏系统完成整个事务才算完
成。

AP放弃C

AP放弃C，在某一段时间内无法保持一致性，但是会保持最终一致性

典型的应⽤场景1，如淘宝订单退款。今⽇退款成功，明⽇到账，只要⽤户可以接受在⼀定时
间内到账即可

参考

  • 刘丹冰：深入理解Go语言