CAP

目录

• 定义
• 一致性（Consistence）
• 可用性（Availability）
• 分区容错（Partition Tolerance）
• CAP证明
• 应用

定义

布鲁尔定理，分布式系统中，对一致性，可用性，分区容错性，不可能同时满足，最多满足2个，尤其是在一致性和可用性之间要有所取舍。
C：consistency 一致性；
A: Availability 可用性；
P: Partition Tolerance 分区容错性；

一致性（Consistence）

各节点的数据保证一致（每次成功写入后，无论哪个节点读取的都能读取到同样的最新数据），等于说所有节点的写操作都是原子操作（要么全部失败，要么全部成功）。一致性细分有3种（CAP指的强一致）：

• 强一致，一个节点完成写操作后，其它节点都能读取到。
• 弱一致，能容忍部分或全部都不能及时同步更新数据。
• 最终一致，经过一段时间，全部节点的数据保持一致。

可用性（Availability）

每次向未崩溃的节点发送请求，总能保证收到响应数据（允许不是最新的）。cap理论一致性和可用性无法兼顾：

• 若要保证一致性，则必须进行所有节点同步，同步期间数据锁定导致读取失败或超时，和可用性冲突。
• 若保证可用性，则不允许节点间同步时间段内进行锁定，和一致性冲突。
  

分区容错（Partition Tolerance）

是指：节点之间传递消息的差错（延迟或丢失），不影响系统正常运行。
分布式系统中，P是必须满足，只能在C|A之间取舍。

CAP证明

反证法，假设一个分布式节点，已满足3者特性，由于P必须满足，现a、b节点间网络连接中断或抖动。

• 假设ab有一个变量v=0;
• C客户端，把v改为1写入a,由于可用性，a必须成功响应（但此时a没有成功通知b更新v,b仍然是0）。
• c从b节点读取变量v，由于可用性，b必须成功响应，但响应的是原来的0，而不是最新的1。
• 可见，c 修改了变量，但会读取到原来的数据，没有满足一致性，3个特性在特殊情况下无法同时满足。

应用

cp: 保证一致性，舍弃可用性：Zookeeper / Redis / MongoDB / HBase

还可以舍弃强一致性，但保证最终一致性，如一些高并发场景，秒杀，618，春运抢票。