CAP 理论

项目起初都是单体应用，随着业务扩展，流量越来越大，单体扛不住高并发，分布式将业务拆分成子业务部署到不同的机器上，不同的机器节点通过网络进行通信，协作服务。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保持一致。CAP理论是分布式的理论基础。

分布式系统必须要考虑网络分区的问题：有网络，就会有网络交互的问题，假如A节点到B节点网络不可达，不能影响正常服务，系统要能够正常提供服务。正常服务的定义：

• 服务能够正确返回。
• 结果在一定的时间范围内返回。

CAP 含义

借用一下维基百科CAP理论一文中关于C、A、P三者的定义。

• Consistency : Every read receives the most recent write or an error
• Availability : Every request receives a (non-error) response – without the guarantee that it contains the most recent write
• Partition tolerance : The system continues to operate despite an arbitrary number of messages being dropped (or delayed) by the network between nodes

翻译一下就是：

• 一致性（Consistency）： CAP 理论中的一致性是指强一致性。对于客户端的每次读操作，要么读到的是最新的数据，要么读取失败。换句话说，一致性是站在分布式系统的角度，对访问本系统的客户端的一种承诺：要么我给您返回一个错误，要么我给你返回绝对一致的最新数据。

• 可用性（Availability）： 任何客户端的请求都能得到响应数据，不会出现响应错误。换句话说，可用性是站在分布式系统的角度，对访问本系统的客户的另一种承诺：我一定会给您返回数据，不会给你返回错误，但不保证数据最新，强调的是不出错。

• 分区容忍性（Partition tolerance）： 由于分布式系统通过网络进行通信，网络是不可靠的。当任意数量的消息丢失或延迟到达时，系统仍会继续提供服务，不会挂掉。换句话说，分区容忍性是站在分布式系统的角度，对访问本系统的客户端的再一种承诺：我会一直运行，不管我的内部出现何种数据同步问题，强调的是不挂掉。

这三个性质对应了分布式系统的三个指标。CAP 理论说的就是：一个分布式系统，不可能同时做到这三点。

场景

• 单体应用

  • 对于单体应用而言，是不考虑分布式的，没有网络分区，也就是说没有 CAP 理论中的 P。
  • 数据一致性：可以通过事务来保证。
  • 服务可用性：不同业务有不同的可用性标准。

• 分布式应用
  分布式应用，必须要包含 P，因此 CAP 理论中，只能保证 CP 或者是 AP，CA 不可兼得。
  有网络通信，就必然会出现网络不可达的情况。

其实这里有个关于 CAP 理论理解的误区。不要以为在所有时候都只能选择两个特性。在不存在网络失败的情况下（分布式系统正常运行时），C 和 A 能够同时保证。只有当网络发生分区或失败时，才会在 C 和 A 之间做出选择。

为什么 CAP 三者不能兼得

对于一个分布式系统而言，P 是前提，必须保证，因为只要有网络交互就一定会有延迟和数据丢失，这种状况我们必须接受，必须保证系统不能挂掉。所以只剩下 C、A 可以选择。要么保证数据一致性（保证数据绝对正确），要么保证可用性（保证系统不出错）。

• 当选择了 C（一致性）时，如果由于网络分区而无法保证特定信息是最新的，则系统将返回错误或超时。

• 当选择了 A（可用性）时，系统将始终处理客户端的查询并尝试返回最新的可用的信息版本，即使由于网络分区而无法保证其是最新的。

所以在分布式框架中，要么是 AP 架构要么是 CP 架构。

举例

=
假设有两台服务器，一台放着 应用A 和 数据库V，一台放着 应用B 和 数据库V，他们之间的网络可以互通，也就相当于分布式系统的两个部分。

在满足一致性的时候，两台服务器（假设为N1，N2）的数据库（假设为DB0，DB1）数据是一样的（DB0=DB0）。在满足可用性的时候，用户不管是请求N1或者N2，都会得到立即响应。在满足分区容错性的情况下，N1和N2有任何一方宕机，或者网络不通的时候，都不会影响N1和N2彼此之间的正常运作。

• 正常情况下：用户通过N1中的A应用请求数据更新到服务器DB0，这时N1中的服务器DB0变为DB1，通过分布式系统的数据同步更新操作，N2服务器中的数据库V0也更新为了DB1，这时，用户通过B向数据库发起请求得到的数据就是即时更新后的数据DB1。

但分布式系统中，最大的问题就是网络，现在假设一种极端情况，N1和N2之间的网络断开了，但我们仍要支持这种网络异常，也就是满足分区容错性，那么这样能不能同时满足一致性和可用性呢？

• 异常情况下：假设N1和N2之间通信的时候网络突然出现故障，有用户向N1发送数据更新请求，那N1中的数据DB0将被更新为DB1，由于网络是断开的，N2中的数据库仍旧是DB0；

如果这个时候，有用户向N2发送数据读取请求，由于数据还没有进行同步，应用程序没办法立即给用户返回最新的数据DB1，怎么办呢？有二种选择：

• 第一，牺牲数据一致性，响应旧的数据DB0给用户；
• 第二，牺牲可用性，阻塞等待，直到网络连接恢复，数据更新操作完成之后，再给用户响应最新的数据DB1。

由此可见，CAP 不能同时满足。