CAP定理-可用性和分区容忍

小开

最佳答案

一致性意味着整个集群中的数据是相同的，因此您可以从/写入任何节点并获得相同的数据。

可用性意味着即使集群中的某个节点宕机，也能够访问集群。

分区容忍意味着即使两个节点之间存在“分区”(通信中断)(两个节点都在工作，但不能通信)，集群也能继续工作。

为了同时获得可用性和分区容忍，您必须放弃一致性。考虑一下在master-master设置中是否有两个节点X和Y。现在，X和Y之间的网络通信中断了，所以它们不能同步更新。此时你可以:

A)允许节点不同步(放弃一致性)，或者

B)认为集群“关闭”(放弃可用性)

所有可用的组合是:

CA -所有节点之间的数据是一致的-只要所有节点都在线-你可以从任何节点读/写，并确保数据是相同的，但如果你在节点之间开发了一个分区，数据将不同步(一旦分区被解析，数据就不会重新同步)。
CP -数据在所有节点之间保持一致，并在节点宕机时不可用，从而保持分区容忍(防止数据不同步)。
美联社 -即使节点之间不能相互通信，它们也会保持在线，并且在分区解决后会重新同步数据，但不能保证所有节点都有相同的数据(无论是在分区期间还是在分区之后)。

你应该注意CA系统实际上并不存在(即使一些系统声称是这样)。

小开

将P与C和A等同看待是一个错误，而C、A、P之间的“三选二”概念是具有误导性的。我解释CAP定理的简洁方式是，“在分布式数据存储中，在网络分区时，你必须在一致性或可用性中选择一个，并且不能两者兼得”。新的NoSQL系统正试图关注可用性，而传统的ACID数据库则更关注一致性。

你真的不能选择CA，网络分区不是任何人都想要的，它只是分布式系统的一个不受欢迎的现实，网络可能会失败。问题是，当这种情况发生时，你如何权衡你的应用程序。这个文章从第一个制定术语的人似乎解释得很清楚。

小开

以下是我讨论CAP的方式，特别是关于P。

CA只有在单机数据库(可能有复制，但所有数据都在一个“故障块”上-服务器不被认为是部分故障)的情况下才可能使用。

如果您的问题需要向外扩展、分布式和多服务器，则可能发生网络分区。您已经需要p了，我所处理的问题中很少有适用于总是单服务器的范例(或者，如Stonebraker所说，“分布式是桌面赌注”)。如果您能找到CA问题，那么像传统的非向外扩展RDBMS这样的解决方案将提供很多好处。

对我来说，罕见:所以我们继续讨论AP和CP。

当您有分区时，只能在AP操作和CP操作之间进行选择。如果网络&硬件运行正常，鱼与熊掌兼得。

让我们讨论AP / CP的区别。

AP -当有网络分区时，让独立的部分自由运行。

CP——当存在网络分区时，关闭节点或禁止读写，这样就会出现确定性故障。

我喜欢能两者兼顾的架构，因为有些问题是AP问题，有些是CP问题，而有些数据库可以两者兼顾。在CP和AP解决方案中，也有一些微妙之处。

例如，在AP数据集中，您可能同时存在不一致的读取和生成写入冲突-这是两种不同的AP模式。您的系统是否可以配置为具有高读可用性但不允许写冲突的AP ?或者您的AP系统可以接受写入冲突，具有强大而灵活的解决系统?你最终需要两者吗，或者你可以选择一个只做其中一个的系统?

在CP系统中，小分区(单个服务器)的不可用性有多少?更大的复制会增加CP系统中的不可用性，系统如何处理这些权衡?

这些都是CP和AP要问的问题。

现在在这个领域有一个很好的阅读是Brewer的“12年后”的帖子。我相信这将清晰地推进CAP辩论，并强烈推荐它。

http://www.infoq.com/articles/cap-twelve-years-later-how-the-rules-have-changed < a href = " http://www.infoq.com/articles/cap-twelve-years-later-how-the-rules-have-changed " > < / >

小开

一致性-当我们发送读请求时，如果它正在返回结果，它应该返回客户端请求给出的最近的写。可用性—您的读/写请求应该总是成功的。分区容忍-当网络分区(一些机器相互通信的问题)发生时，系统仍然可以工作

在分布式环境中，存在网络分区发生的可能性，我们无法避免CAP的“P”。因此，我们在“一致性”和“可用性”之间进行选择。

http://bigdatadose.com/understanding-cap-theorem/

小开

一致性:

对于给定的客户端，读取操作保证为返回最近的写入(如ACID)。如果在此期间，任何请求都必须等待数据同步完成跨/在节点中。

可用性:

每个节点(如果没有失败)总是执行查询，并且应该总是响应请求。它是否返回最新的副本并不重要。

Partition-tolerance:

当发生网络分区时，系统将继续工作。

对于美联社，可用性(始终可访问)可以与(Cassendra)或 without(RDBMS)分区公差

pic source

小开

简单的CAP定理指出，分布式系统不可能同时提供所有三个保证:

一致性

每个节点同时包含相同的数据

可用性

每次必须至少有一个节点可用以提供数据

分区容忍

系统的故障是非常罕见的

大多数情况下，每个系统只能保证至少两个特性CA、AP或CP。

小开

我觉得任何答案都没有很好地解释分区容忍，所以只是更详细地解释一下CAP定理的意思是:

C:(线性性或强一致性)大致是指

如果A操作成功完成后B操作开始，则操作B必须看到系统处于与打开时相同的状态
.结束操作A，或更新状态(但绝不是旧状态)

一个:

"系统中非故障[数据库]节点接收的每个请求必须导致[非错误]响应”。这对某些人来说是不够的节点能够处理请求:任何未失败的节点都需要这样做能够处理它。许多所谓的“高可用性”(即低可用性) 停机时间)系统实际上不符合这个定义可用性。< / p >

P:

分区容忍(严重的错误命名)基本上意味着您是通过可能延迟或中断的异步网络进行通信消息。互联网和我们所有的数据中心都有这个特性，所以
.在这件事上你实际上没有任何选择

来源:Awesome Martin kleppmann的工作

举个例子: 卡桑德拉最多只能是AP系统。但是如果您将其配置为基于Quorum进行读写，那么它就不会保持CAP可用性(根据CAP定理的定义可用)，而只是P system.

小开

理解CAP定理的简单方法:

在网络分区的情况下，需要在完美之间进行选择

选择的一致性表示不能回答客户端的查询系统不能保证返回最近的写操作。这牺牲可用性。< / p >
选择可用性表示能够响应客户端的请求但该系统不能保证一致性，即最近的一致性价值写的。可用的系统提供了最好的可能答案
.在给定情况下

这个解释来自这篇精彩的文章。希望能有所帮助。

小开

我找了很多环节，但是没有一个环节能给我满意的答案，只有一个环节。

因此，我用非常简单的语言描述CAP。

一致性:必须返回相同的数据，不管它来自哪个节点。
可用性: 节点应该响应(必须可用)。
分区容忍: 集群应该响应(必须可用)，即使节点之间存在分区(即网络故障)。 (另一个主要原因是它的命名习惯不好。如果我是对的，我可能会给出民主党全国委员会定理:数据一致性， 节点的可用性， 集群可用性，其中每个分别对应一致性， 可用性和分区容忍)

CP数据库以牺牲可用性为代价提供一致性和分区容忍。当任意两个节点之间发生分区时，系统必须关闭不一致的节点(即使其不可用)，直到分区被解决。

美联社数据库: AP数据库以一致性为代价提供可用性和分区容差。当分区发生时，所有节点仍然可用，但那些在分区错误一端的节点可能返回比其他节点更旧的数据版本。(当分区被解析时，AP数据库通常会重新同步节点，以修复系统中的所有不一致。)

CA数据库: CA数据库在所有节点上提供一致性和可用性。但是，如果系统中的任意两个节点之间存在分区，则无法做到这一点，因此无法提供容错功能。在分布式系统中，分区是不可避免的。因此，虽然我们可以在理论上讨论CA分布式数据库，但出于所有实际目的，CA分布式数据库可以存在，但不应该存在。

因此，这并不意味着如果需要，就不能为分布式应用程序提供CA数据库。许多关系数据库，如PostgreSQL，提供一致性和可用性，并可以使用复制部署到多个节点。

来源:https://www.ibm.com/cloud/learn/cap-theorem

小开

Brewer的主题，Gilbert的论文，以及许多其他处理方法，将C, A和P作为实现的理想属性放在同等的地位上，并有效地说“选择两个!”。然而，这通常被认为是一种误导性的表示，因为您无法构建或选择!“分区容忍”:你的系统可能会经历分区，也可能不会。

CAP更好地理解为描述你必须做出的权衡当您正在构建一个可能遭受分区的系统时。在实践证明，这是每一个分布式系统:没有100%的可靠网络。因此(至少在分布式上下文中)没有现实的CA系统。因此，您可能会遇到分区问题你必须在某个时刻妥协C或a。

https://github.com/henryr/cap-faq#10-why-do-some-people-get-annoyed-when-i-characterise-my-system-as-ca

小开

根据上图C是断开的，但A,B, D可以继续工作。现在我们可以调用system is 部分工作(Partition Tolerance)。

假设一个特定的事务需要只有 a,B和d，系统可以执行它而不产生任何不一致。

但是当C必须参与一个特定的事务时，系统可以以两种方式执行。

1.由于C不可用，A可以拒绝用户请求。

So the system has Partition-Tolerance and consistency (P,C).
But no availability, because of the rejection.

2.A可以将C接收到的消息保存在A的本地内存中，并在C连接回来时传输。

So the system has Partition-Tolerance and availability (P,A).
But no consistency.because C has not updated.