CAP理论

定义

CAP理论：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）这三项中的两项。

• 一致性（Consistency） ：等同于所有节点访问同一份最新的数据副本；
• 可用性（Availability）：每次请求都能获取到非错的响应——但是不保证获取的数据为最新数据；
• 分区容错性（Partition tolerance）：以实际效果而言，分区相当于对通信的时限要求。系统如果不能在时限内达成数据一致性，就意味着发生了分区的情况，必须就当前操作在C和A之间做出选择；（简单解释：分区容错性是尽管任意数量的消息被节点间的网络丢失或者延迟，系统仍然是正确运行的！）

为什么只能三选二

当没有网络分区或网络波动是，无需为了P而舍弃C和A中的一个。但是在分布式系统中不可能没有网络波动，所以为了保证P，也就是让整个分布式系统可用，就要舍弃C和A中的一个。

例如：存在三个副本，则对于这三个副本的写入有两种可能的方案：

• W=1（一写）：向三个副本写入，只要一个副本返回写入成功即认为成功；

  由于只要有一个副本写入成功即可返回成功；当存在网络分区后（如上图S1的网络和其他节点中断），三台机器的数据就可能出现不一致的情况，因此无法保证C；但是由于可以正常的返回写入成功，所以A可以保证！

• W=3（三写）：向三个副本写入，必须三个副本都写入成功才认为成功；

  此方案要求三个副本都要写入成功才可以返回成功；

  当出现网络分区后，由于无法保证三个节点都写入成功，因此最终会返回错误；

  所以此时失去了A，但是由于数据没有被成功写入，因此保证了C！

CAP理论在分布式数据库下的场景

对于NoSQL数据库，更加注重可用性，所以会是一个AP系统。

对于分布式关系型数据库，必须要保证一致性，所以会是一个CP系统。

我们可以将关系型数据库看作是 CP + HA（Hign Availability） 的系统，因此产生了两个重要且广泛使用的指标：

• RPO（Recovery Point Objective，恢复点目标）：指数据库在灾难发生后会丢失多长时间的数据，对于分布式数据库基本上 RPO=0；
• RTO（Recovery Time Objective，恢复点时间）：指数据库在灾难发生后到整个系统恢复正常所需要的时间，对于分布式数据库通常情况下 RTO<几分钟；

CAP理论下目前成熟的分布式方案

Quorum Replication

Quorum Replication 主要包括三个部分：

• N：副本数；
• W：写入成功副本数；
• R：读取成功副本数；

当 N=3 时有两种设计：

• W=1，R=3：写可用AP，读一致CP，如：记录流水系统，需要快速写入但是可以暂时无法读取，并且不可以读到老旧的错误流水；
• W=3，R=1：写一致CP，读可用AP，如：电子商务系统，商家修改商品金额，可以容许暂时失败，但是会有大量客户去查看商品，需要保证读可用；

Consensus

在共识算法中，各个副本之间存在交互；

通常情况下，整个集群中会选举出一个 leader（例如：raft、paxos算法），所有操作由leader提供（读写操作）；

• 当 leader 没有出现故障的情况下，整个集群的 CA 都可以得到保障！
• 当 leader 由于部分原因宕机，集群选举新的 leader，而此时系统在选举的短暂过程中不可用；

因此，共识算法通常都是一个 CP + HA 的系统；