CAP && BASE理论 && 几种一致性简单介绍

CAP && BASE理论

CAP理论

CAP理论是指在一个分布式系统中，不可能同时满足以下3点：

• 一致性（Consistency）：在分布式系统中，各个副本之间是否能保持数据的一致。在一致性的需求下，当数据被更新后，所有节点都应持有最新的数据。
• 可用性（Availability）：每次请求都能获取到正确的响应，但是不保证数据是最新的。
• 分区容错性（Partition tolerance）：分布式系统中，某些节点故障时，仍能对外提供一致性或可用性的服务，不会因为某些节点导致整个服务不可用。

一致性和可用性的抉择！

1. 如果分布式系统满足一致性，那么必然导致数据同步期间，节点访问不可达，影响了可用性。
2. 如果分布式系统满足可用性，那么就不能通过事务保证节点的强一致性，那么就会影响一致性。

因为分区容错性在分布式系统中是最重要的，而一致性和可用性需要抉择，因此只能在CP和AP中选择，zookeeper中保证的是CP。

BASE理论

BASE理论是对CAP中的一致性和可用性做了权衡的结果，理论的核心思想是：我们无法做到强一致性，但每个应用都可以根据自身的特点，采用适当的方式实现最终一致性。

• 基本可用（Basically Available）：分布式系统出现故障时，允许损失部分功能或者性能，做到基本功能的可用。
• 软状态（Soft-state）：允许出现中间状态，不同的数据节点之间可能出现数据的不一致。
• 最终一致性（Eventually Consistent）：经过一段时间，数据可以达到一致性。

几种一致性简单介绍

强一致性

1. 任意时刻，所有节点中的数据是一样的。
2. 如果一个集群需要对外提供强一致性，那么只要集群内部某一台节点的数据发生了改变，就需要等待集群的其他节点同步完数据后，才能正常的对外提供服务。
3. 保证了强一致性，必然会损失可用性

弱一致性

1. 系统中的某个数据被更新后，后续对该数据的读取操作可能得到更新后的值，也可能得到更新前的值。
2. 即使过了一段时间后，后续的读取也不一定能保证一致性。

最终一致性

1. 弱一致性的一种特殊形式，不保证在任意时刻的任意节点的同一份数据都是相同的，但是随着时间的迁移，不同节点上的数据总是在向着趋同的方向变化。
2. 存储系统在保证没有新的更新的条件下，最终所有的访问都是最后更新的值。

顺序一致性

1. 任何一次都能读取到某个数据最近一次变更的值。
2. 对其他节点之前的修改时可见且确定的，并且新的写入在意见达成同步的基础上。