CAP 是一个分布式系统中的定理。
“定理”这个词，自带一种让人信服的魅力——定理就是真理，是经过逻辑推演后被证明为正确的陈述。就像勾股定理：任意直角三角形的两条直角边平方和，一定等于斜边的平方。它简单、直接、绝对正确，我们完全可以放心地用它指导工程实践。
那么，CAP 定理到底在说什么？我们分两次聊透它。今天先从工程实践的角度，谈谈如何正确理解 CAP 定理。
要准确掌握 CAP 定理，可以从下面三个维度切入。
一、应用场景
CAP 定理只适用于 存在数据共享的分布式系统，并且只针对 数据的读、写操作。
- 单点部署的系统，肯定不是分布式系统，不适用于 CAP 定理（有同学会说单点部署的系统就是 CA 模型，我个人并不认同）。
- 多节点部署的分布式系统，如果节点之间没有连接，或者虽有连接但不存在数据同步或共享，同样不适用 CAP 定理。
- 分布式系统中的操作有很多，比如心跳探活、选主等，但这些都不适用 CAP。只有对数据的读、写操作，才是 CAP 定理讨论的范围。
二、CAP 释义
C 即数据的一致性（Consistency），A 即读写的可用性（Availability），P 即分区的容错性（Partition Tolerance）。
- C——一致性：不能简单理解为两个有数据同步关系的节点就拥有一致的数据，这不现实。更准确的角度是站在客户端：访问分布式系统中任何一个非故障节点，都能拿到任意一条写入成功的数据。换句话说，只要数据写入成功，换到任何一个非故障节点去读，都应该能读出来。
- A——可用性：也不能只解释成“每个请求都能得到响应”，失败响应同样是响应，但这不能算“可用”。依然站在客户端来看：访问任何一个非故障节点，都能在合理时间内得到一个合理的结果。
- 这个结果可以不是最新的，允许是老数据，但绝不能是错误数据，也不能是失败或超时响应。
- P——分区容错性：即使分布式系统中各节点之间发生了网络中断（分区），系统仍然要正常工作，履行自己的职责。打个比方：一个团被打散之后，各连、各排、各班之间虽然不能直接通信，但仍然会自发组织巷战，继续消灭敌人——这就是分区容错。
- 本质上，C、A、P 是从三个不同维度对分布式系统提出的需求描述。
三、CAP 三者的关系
在一个分布式系统中、在同一时空中，C、A、P 三个需求不可能同时被满足，最多只能满足其中两项：要么 CA、要么 CP、要么 AP。未被满足的那一项，只能暂时舍弃，再在事后选择性地弥补。
- CA 模型：客户端从任何一个非故障节点都能读到最新数据，且访问时能在合理时间内得到合理结果。CA 模型的分布式系统意味着 P 需求未满足，即系统所处的网络一切正常，没有发生分区。注意，它仍然是分布式系统，不是单点部署。未满足的 P 需求，无需事后弥补。
- CP 模型：网络已经发生了分区。客户端可以从任何一个非故障节点读到最新数据（保证了 C），但不能对非故障节点进行数据写入，因为此时一旦写入，就无法再保证“从任何一个非故障节点都能读到最新数据”，所以写操作是失败的。也就是说，A 需求只满足了 50%（读操作可用），未满足的 50%（写操作）只能在分区消失后尽快恢复。
- AP 模型：网络发生分区时，客户端可以从任何一个非故障节点进行读取和写入，但无法保证读到的数据是最新的（牺牲了 C）。数据虽然不是最新的，但一定是合理的；写入的数据因为分区暂时无法同步，这部分未满足的 C 需求，也需要在分区消失后尽快通过技术手段恢复。
在大部分时间里，分布式系统的网络是正常的，可以简单理解为 99.9% 的时间网络未分区，此时系统处于 CA 模型；只有 0.1% 的时间，系统才会切换到 CP 或 AP 模型。
所以，CAP 定理虽然看上去更像一种静态描述，但我们必须动态地看到分布式系统中 CAP 模型的转换：大多数时间系统处于 CA 状态，当分区出现后：
- 如果选择保 C，则：CA → CP；分区消失后，CP → CA。
- 如果选择保 A，则：CA → AP；分区消失后，AP → CA。
总结一下本文的关键点：
- CAP 定理仅适用于 存在数据共享的分布式系统，而且只针对 数据的读、写操作。
- CAP 的完整解释：
- C：访问任何一个非故障节点，都能拿到任意写入成功的数据；
- A：访问任何一个非故障节点，都能在合理时间内得到合理结果；
- P：节点间即便发生网络中断，系统仍要继续履行职责。
- 在同一时空下，分布式系统无法同时满足 C、A、P 三个需求，最多只能满足其中两者，第三者会被暂时舍弃。
- 大多数时间分布式系统运行在 CA 模型下，只在极少数时间才会转入 CP 或 AP 模型，并在分区恢复后回到 CA。
| 
发表于 昨天 23:30
|
查看: 4|
回复: 0
