【0】CAP定理

2019独角兽企业重金招聘Python工程师标准>>>

        要讨论分布式，CAP就是一个无法避免的话题。了解些分布式知识的都能轻松说出CAP定理的内容：一致性、可用性和分区容错性只能三取其二，而不能同时满足三者，似乎这一句话就把这个定理描述完了。这是我之前一个粗鄙的理解，随着学习得不断深入发现这样去解释CAP定理是不正确的，那么到底该怎么理解呢？我们再来看看CAP每个字母的含义：

• Consistency（一致性）：在分布式系统中，所有的数据备份，在同一时刻是否同样的值，如果是，则我们认为满足了一致性。这里的一致性是指的是强一致性。
• Availability（可用性）：在集群的部分节点故障后，集群整体是否可以正常响应请求。
• Partition tolerance （分区容错性）：这里的分区是指网络分区，网络分区可以这样理解，一个服务集群有A、B两个节点，本来A、B之间是可以网络通信的（来保证数据一致性），可是突然发生了网络故障，A、B不能再相互访问，这时候我们认为集群发生了网络分区。

        其实CAP定理本意是想表达当发生网络分区情况时，一致性和可用性只能二选其一。我们举例说明，一个服务集群由A、B两个节点，A和B分别维护自己的数据副本，然后通过网络达到数据的一致性。当发生网络分区时，A、B之间不能互相访问了，此时，数据的一致性和服务的可用性必须做出二选一的抉择，也就是说当请求发送到A节点时，如果保证服务可用性，则A接收请求然后返回处理结果，此刻A和B的数据副本出现了不一致的情况（B此刻也可以独立处理请求）；如果保证数据的一致性，则A接收到请求后，就要等A、B数据同步后在返回处理结果，这样就无法保证请求在特定时间内返回结果了，就丧失了服务的可用性了。

        CAP定理在分布式数据库中讨论的比较多，现在流行的Nosql数据库中经常被讨论。分布式服务中是否适用CAP定理，我觉得还是要看具体的设计，如果服务维护多个数据副本（多个数据库），则就会涉及CAP讨论的内容，如果你的数据副本就一份，那就没有讨论CAP的必要了。所以具体要看自己系统的设计，不是说我们用了spring cloud这种分布式服务架构，就一定会有CAP的问题。

        以上均是个人理解，不妥之处往指正。

转载于:https://my.oschina.net/u/3293327/blog/3044006