MicroServices(2)--cap与base

朱雀 2023-07-17 11:30 25阅读 0赞

**目录**

1cap理论

1.1、分布式系统的三个指标

1.2、Partition tolerance

1.3、Consistency

1.4、Availability

1.5、Consistency 和 Availability 的矛盾

2base

2.1cap理论面临的问题

2.2base理论介绍

2.3基本可用

2.4软状态

2.5最终一致性

--------------------

来自：

cap理论 [http://www.ruanyifeng.com/blog/2018/07/cap.html][http_www.ruanyifeng.com_blog_2018_07_cap.html]

base理论[https://m.aliyun.com/yunqi/articles/692238][https_m.aliyun.com_yunqi_articles_692238]

# 1cap理论 #

分布式系统（distributed system）正变得越来越重要，大型网站几乎都是分布式的。

分布式系统的最大难点，就是各个节点的状态如何同步。CAP 定理是这方面的基本定理，也是理解分布式系统的起点。

本文介绍该定理。它其实很好懂，而且是显而易见的。下面的内容主要参考了 Michael Whittaker 的[文章][Link 1]。

## 1.1、分布式系统的三个指标 ##

![format_png][]

1998年，加州大学的计算机科学家 Eric Brewer 提出，分布式系统有三个指标。

*  Consistency
 *  Availability
 *  Partition tolerance

它们的第一个字母分别是 C、A、P。

Eric Brewer 说，这三个指标不可能同时做到。这个结论就叫做 CAP 定理。

## 1.2、Partition tolerance ##

先看 Partition tolerance，中文叫做"分区容错"。

大多数分布式系统都分布在多个子网络。每个子网络就叫做一个区（partition）。分区容错的意思是，区间通信可能失败。比如，一台服务器放在中国，另一台服务器放在美国，这就是两个区，它们之间可能无法通信。

![format_png 1][]

上图中，G1 和 G2 是两台跨区的服务器。G1 向 G2 发送一条消息，G2 可能无法收到。系统设计的时候，必须考虑到这种情况。

一般来说，分区容错无法避免，因此可以认为 CAP 的 P 总是成立。CAP 定理告诉我们，剩下的 C 和 A 无法同时做到。

## 1.3、Consistency ##

Consistency 中文叫做"一致性"。意思是，写操作之后的读操作，必须返回该值。举例来说，某条记录是 v0，用户向 G1 发起一个写操作，将其改为 v1。

![format_png 2][]

接下来，用户的读操作就会得到 v1。这就叫一致性。

![format_png 3][]

问题是，用户有可能向 G2 发起读操作，由于 G2 的值没有发生变化，因此返回的是 v0。G1 和 G2 读操作的结果不一致，这就不满足一致性了。

![format_png 4][]

为了让 G2 也能变为 v1，就要在 G1 写操作的时候，让 G1 向 G2 发送一条消息，要求 G2 也改成 v1。

![format_png 5][]

这样的话，用户向 G2 发起读操作，也能得到 v1。

![format_png 6][]

## 1.4、Availability ##

Availability 中文叫做"可用性"，意思是只要收到用户的请求，服务器就必须给出回应。

用户可以选择向 G1 或 G2 发起读操作。不管是哪台服务器，只要收到请求，就必须告诉用户，到底是 v0 还是 v1，否则就不满足可用性。

## 1.5、Consistency 和 Availability 的矛盾 ##

一致性和可用性，为什么不可能同时成立？答案很简单，因为可能通信失败（即出现分区容错）。

如果保证 G2 的一致性，那么 G1 必须在写操作时，锁定 G2 的读操作和写操作。只有数据同步后，才能重新开放读写。锁定期间，G2 不能读写，没有可用性不。

如果保证 G2 的可用性，那么势必不能锁定 G2，所以一致性不成立。

综上所述，G2 无法同时做到一致性和可用性。系统设计时只能选择一个目标。如果追求一致性，那么无法保证所有节点的可用性；如果追求所有节点的可用性，那就没法做到一致性。

读者问，在什么场合，可用性高于一致性？

举例来说，发布一张网页到 CDN，多个服务器有这张网页的副本。后来发现一个错误，需要更新网页，这时只能每个服务器都更新一遍。

一般来说，网页的更新不是特别强调一致性。短时期内，一些用户拿到老版本，另一些用户拿到新版本，问题不会特别大。当然，所有人最终都会看到新版本。所以，这个场合就是可用性高于一致性。

# 2base #

## 2.1cap理论面临的问题 ##

对于多数大型互联网应用的场景，主机众多、部署分散，而且现在的集群规模越来越大，所以节点故障、网络故障是常态，而且要保证服务可用性达到N个9，即保证P和A，舍弃C。

## 2.2base理论介绍 ##

BASE理论是对CAP理论的延伸，思想是即使无法做到强一致性（CAP的一致性就是强一致性），但可以采用适当的采取弱一致性，即最终一致性。

BASE是指基本可用（Basically Available）、软状态（ Soft State）、最终一致性（ Eventual Consistency）。

## 2.3基本可用 ##

基本可用是指分布式系统在出现故障的时候，允许损失部分可用性（例如响应时间、功能上的可用性），允许损失部分可用性。需要注意的是，基本可用绝不等价于系统不可用。

响应时间上的损失：正常情况下搜索引擎需要在0.5秒之内返回给用户相应的查询结果，但由于出现故障（比如系统部分机房发生断电或断网故障），查询结果的响应时间增加到了1~2秒。

功能上的损失：购物网站在购物高峰（如双十一）时，为了保护系统的稳定性，部分消费者可能会被引导到一个降级页面。

## 2.4软状态 ##

软状态是指允许系统存在中间状态，而该中间状态不会影响系统整体可用性。分布式存储中一般一份数据会有多个副本，允许不同副本同步的延时就是软状态的体现。mysql replication的异步复制也是一种体现。

## 2.5最终一致性 ##

最终一致性是指系统中的所有数据副本经过一定时间后，最终能够达到一致的状态。弱一致性和强一致性相反，最终一致性是弱一致性的一种特殊情况。

[http_www.ruanyifeng.com_blog_2018_07_cap.html]: http://www.ruanyifeng.com/blog/2018/07/cap.html
[https_m.aliyun.com_yunqi_articles_692238]: https://m.aliyun.com/yunqi/articles/692238
[Link 1]: https://mwhittaker.github.io/blog/an_illustrated_proof_of_the_cap_theorem/
[format_png]: /images/20230528/ef31745b2ecb4da7a5f181252877e3d7.png
[format_png 1]: /images/20230528/0c6c585c3e334241b93d2af783d23b98.png
[format_png 2]: /images/20230528/4289076c096b4519a699a6e39497de8f.png
[format_png 3]: /images/20230528/c54a604c983240fcb29346b33daf6643.png
[format_png 4]: /images/20230528/ec6910fd33a7402e8391612aea277f42.png
[format_png 5]: /images/20230528/ce3b88f9a00d48faa50e3ef89cb1a317.png
[format_png 6]: /images/20230528/1b80b52c01474ce38d799accc2a34056.png