分布式系统的CAP理论

什么是CAP理论？

CAP 理论告诉我们，一个分布式系统不可能同时满足数据一致性、服务可用性和分区容错性这三个基本需求，最多只能同时满足其中的两个。
CAP理论描述了分布式系统设计的边界：在满足分区容错性的前提下，系统无法同时满足数据一致性和服务可用性。

• C：数据一致性（Consistency）

指一个分布式系统里的所有节点上的数据做到线性一致性（强一致性），在一个成功的写入操作之后，不管写入操作是从哪个节点写入的，后续读取的时候不管访问任何一个节点，都可以读取到正确的数据。

• A：服务可用性（Availability）

指只要访问到分布式系统的一个正在运行的节点，都可以在一定时间内获得响应。

• P：分区容错性（Partition-tolerance）

指在分布式系统网络出现分区的时候，分布式系统依然可以保障数据一致性、服务可用性，并且正常对外提供服务。由于分布式系统本身就是基于网络通信构建的，而网络通信一定有延迟，因此这个特性我们没有其他的选择。

CAP理论的证明

为什么分布式系统中，网络分区的情况下，我们必须在一致性或可用性之间进行权衡？

下图表示的是一个常见的分布式系统架构，如果数据中心1和数据中心2之间的网络断了，这时候就发生了网络分区，接下来我们有2个选择：

• AP：客户依然可以正常使用应用系统，但是数据中心1和数据中心2的数据是不一致的
• CP：假如数据中心1是主机房，为了达到线性一致性，这时候所有连到数据中心2的客户都不能使用应用程序，直到两个数据中心之间的网络恢复。

思考

• CAP里的可用性，是指访问到任何一个正在运行的节点，都会在合理的时间内返回结果。这里合理的时间是多久，不同业务场景下对于响应时间的要求是不一样的，在线业务系统的耗时非常敏感，但是离线批处理系统则耗时不敏感。
• CAP里的一致性，是指强一致性，在现实的分布式系统中，要达到强一致性，要付出的成本是很高的，很多业务场景下并不需要这种强一致性而是最终一致性。
• 对于 CAP 理论，我们不会简单地三选二或者二选一。对于 AP 模型的系统，我们会努力去提升数据一致性的级别，而对于 CP 模型的系统，我们会努力去提升系统可用性的级别。