cap定理与base理论

cap定理

2000 年 7 月，加州大学伯克利分校的 eric brewer 教授在 acm podc 会议上提出 cap 猜想。2年后，麻省理工学院的 seth gilbert 和 nancy lynch 从理论上证明了 cap。之后，cap 理论正式成为分布式计算领域的公认定理。

cap 理论为：一个分布式系统最多只能同时满足一致性（consistency）、可用性（availability）和分区容错性（partition tolerance）这三项中的两项。

• 一致性(consistency)： 一致性指 (all nodes see the same data at the same time)，即更新操作成功并返回客户端完成后，所有节点在同一时间的数据完全一致。
• 可用性(availability)： 可用性指(reads and writes always succeed)，即服务一直可用，而且是正常响应时间。
• 分区容错性(partition tolerance)： 分区容错性指(the system continues to operate despite arbitrary message loss or failure of part of the system)，即分布式系统在遇到某节点或网络分区故障的时候，仍然能够对外提供满足一致性和可用性的服务。

cap 权衡

通过 cap 理论，我们知道无法同时满足一致性、可用性和分区容错性这三个特性，那要舍弃哪个呢？

对于多数大型互联网应用的场景，主机众多、部署分散，而且现在的集群规模越来越大，所以节点故障、网络故障是常态，而且要保证服务可用性达到 n 个 9，即保证 p 和 a，舍弃c（退而求其次保证最终一致性）。虽然某些地方会影响客户体验，但没达到造成用户流程的严重程度。

对于涉及到钱财这样不能有一丝让步的场景，c 必须保证。网络发生故障宁可停止服务，这是保证 ca，舍弃 p。貌似这几年国内银行业发生了不下 10 起事故，但影响面不大，报道也不多，广大群众知道的少。还有一种是保证 cp，舍弃 a。例如网络故障是只读不写。

孰优孰略，没有定论，只能根据场景定夺，适合的才是最好的。

base 理论

ebay 的架构师 dan pritchett 源于对大规模分布式系统的实践总结，在 acm 上发表文章提出 base 理论，base 理论是对 cap 理论的延伸，核心思想是即使无法做到强一致性（strong consistency，cap 的一致性就是强一致性），但应用可以采用适合的方式达到最终一致性（eventual consitency）。

• 基本可用(basically available)： 基本可用是指分布式系统在出现故障的时候，允许损失部分可用性，即保证核心可用。电商大促时，为了应对访问量激增，部分用户可能会被引导到降级页面，服务层也可能只提供降级服务。这就是损失部分可用性的体现。
• 软状态(soft state)： 软状态是指允许系统存在中间状态，而该中间状态不会影响系统整体可用性。分布式存储中一般一份数据至少会有三个副本，允许不同节点间副本同步的延时就是软状态的体现。mysql replication 的异步复制也是一种体现。

• 最终一致性(eventual consistency)： 最终一致性是指系统中的所有数据副本经过一定时间后，最终能够达到一致的状态。弱一致性和强一致性相反，最终一致性是弱一致性的一种特殊情况。

  acid 和 base 的区别与联系

  acid 是传统数据库常用的设计理念，追求强一致性模型。base 支持的是大型分布式系统，提出通过牺牲强一致性获得高可用性。

acid 和 base 代表了两种截然相反的设计哲学，在分布式系统设计的场景中，系统组件对一致性要求是不同的，因此 acid 和 base 又会结合使用。