简介

CAP 定理又称 布鲁尔定理。对于设计分布式系统的架构师来说，是一个必须掌握的定理。

定义

在一个分布式系统（指相互连接并共享数据的节点的集合：不是所有分布式系统都互联和共享数据，CAP 理论只讨论互联和共享数据的分布式系统），当涉及读写操作时（CAP 关注数据的读写操作，对分布式系统中的其它功能不一定关注），只能保证一致性（C）、可用性（A）和分区容忍性（P）中的两个，另一个必须牺牲。

• C（Consistency：一致性）
  • 节点角度（不够严谨）：所有节点在同一时刻都能看到相同的数据（CAP 是忽略延迟的；实际上很难保证数据在同一时刻完全一致，因为网络必然存在延迟）
  • 客户端角度：对指定客户端来说，读操作能保证返回最新的写操作结果
• A（Availability：可用性）
  • 非故障的节点在合理的时间内返回合理的响应（不是错误和超时响应；合理响应结果不一定是正确响应结果）
• P（Partition Tolerance：分区容忍性）
  • 当出现网络分区后，能够继续履行职责

组合

• CA
  • 保证一致性和可用性，牺牲分区容忍性
    • 当出现网络分区时（网络不可能 100% 可靠，分区必然出现），为了保证一致性，系统必须禁止写入，当有写入请求时，系统会返回错误，这将导致可用性不能被满足
      • 分布式系统理论上不能使用保证 CA 的架构
• CP
  • 保证一致性和分区容忍性，牺牲可用性
• AP
  • 保证可用性和分区容忍性，牺牲一致性

“牺牲”不代表什么都不做，需要为分区故障恢复后坐准备。

CAP 关注的粒度是数据，而不是整个系统；在实际设计过程中，每个系统不可能只有一种数据，有得数据必须选择 CP，有的数据必须选择 AP，我们做系统设计时，不能从整个系统的角度去选择 CP 或者 AP，不然怎么选都会有问题；我们需要根据不同的应用场景和要求进行分类，分别选择不同的策略。

应用

系统设计时，需要考虑分区情况。

• 分区未发生
  • 正常运行状态下不存在 CP、AP 的选择，可以同时满足 CA
• 分区发生
  • 保证 CP 或者 AP
  • 在分区故障解决后进行恢复，让系统恢复到 CA 的状态

架构选择 CP、AP 只是在出现网络分区的情形下需要的保证；当系统处于正常运行中（99.99%、99.999% 可用等），不管是 CP 还是 AP，都需要同时满足 CA。

其它理论

ACID

ACID 是数据库系统为了保证事务的正确性而提出来的一个理论。它包含了 4 个约束：

• 原子性（Atomicity）
  • 一个事务中，要么全部完成，要么全部不完成
  • 事务在执行过程中发生错误，会回滚到执行前的状态
• 一致性（Consistency）
  • 在事务开始之前和结束之后，数据库的完整性没有遭到破坏
• 隔离性（Isolation）
  • 数据库允许多个事务同时对数据进行读写和修改（防止多个事务同时执行时由于交叉执行导致数据不一致）
  • 隔离分为不同级别
    • 未提交（read uncommitted）
    • 读提交（read committed）
    • 可重复读（repeatable read）
    • 串行化（Serializable）
• 持久性（Durability）
  • 事务处理后，对数据的修改是永久的，即使数据库故障也不会丢失

BASE

BASE 理论是对 CAP 的一种延伸和补充（对 AP 方案的补充）， 核心思想是即使无法达到强一致性（CAP 的一致性就是强一致性），但应用可以使用适当的方式来达到最终一致性。

• 基本可用性（Basically Available）
  • 分布式系统在故障时，允许损失部分可用性，即保证核心可用
• 软状态（Soft State）
  • 允许系统存在中间状态（CAP 理论中的数据不一致），而该中间状态不会影响系统整体可用性
• 最终一致性（Eventual Consistency）
  • 系统中的所有数据副本在经过一段时间后，最终能达到一致的状态