分布式理论 CAP + Base
目录
简介
在分布式系统的设计中，分布式系统有三个指标 CAP，但是没有一种设计可以同时满足 CAP （一致性，可用性，分区容错性 ）3个特性，只能满足其中 2 个
CAP
简介
| CAP | 描述 |
|---|---|
| C 一致性 | Consistency，一致性 强调的是 分布式系统中各个节点之间的数据一致性；不管访问哪个节点，返回的数据都是一致的，否则节点不可用（拒绝服务） |
| A 可用性 | Availability，可用性 强调的是 分布式系统中各个节点都能正常被访问，正常响应请求，但是无法保证 返回数据的一致性：也就是各个节点正常访问但是节点之间数据不一定一致 |
| P 分区容错性 | Partition tolerance，节点网络故障，不可避免，当节点间出现任意数量的消息丢失或高延迟（网络障碍）的时候，系统仍然可以继续提供服务 |
当节点出现的数据不一致时的处理方式不同
组合
| 组合 | 描述 |
|---|---|
| CA | 一致性 + 可用性，不存在，P 一定得有，分布式系统下，网络故障网络延迟必然存在， |
| CP | 一致性 + 分区容错性；数据强一致性，返回的都是绝对一致的数据，不一致的时候会读取失败（拒绝提供服务） |
| AP | 可用性 + 分区容错性：服务高可用，但是不能保证数据一致性，要保证数据一致性，服务就不一定可用 |
Base
Base：基本可用（Basically Available）和最终一致性（Eventually consistent）
CAP 规则下 AP 模型 的延伸，AP + Base，实现 服务高可用 + 数据最终一致性
最终一致性：也就是允许节点之间的数据出现短暂的数据不一致情况，但是节点高可用
为什么 CAP 不能同时满足？
在分布式系统中，节点与节点之间通过网络通信，网络通信必然存在：网络延迟、网络故障；
因此 CAP 中，P （分区容错性）必须存在， 其次，CA 不可能同时存在，因为分布式系统下，数据同步存在延迟，无法实时一致性，存在某一刻不一致，那么数据不一致的情况下：
● 节点要么满足 C，数据不一致，拒绝服务
● 节点要么满足 A，服务可用，但是数据不一致
综上所述：P 必须，C 和 A 只能选一个，也就是 组合： CP、AP
Redis 采用的分布式理论 CAP + Base
redis 采用的是 AP + Base 模型，也就是满足 分区容错性 和 服务高可用 ，保证数据的最终一致性