CAP 定理

2000年提出

CAP定理是一个分布式系统特性的高度抽象，总结了各个特性之间的冲突。CAP定理指出，在一个异步网络环境中，对于一个分布式读写存储系统，只能满足以下三项中的两项，而不可能同时满足三项：

  • 一致性 Consistency
    • 客户端访问任一节点，返回的都已同一份最新的数据。这里的一致性指线性一致性。
  • 可用性 Availability
    • 每次请求都能获取非错误的响应，但不保证获取的数据是最新数据。
  • 分区容错性 Partition Tolerance
    • 节点之间由于网络分区导致消息丢失的情况下，系统仍能正常运行。

CAP定理的意义在于，帮助软件工程师在设计分布式系统时，施加基本的限制，不必浪费时间去构建一个完美的系统。软件工程师应该意识到这些特性需要进行trade off取舍，选择适合自己的特性。

对于分布式系统来说，节点之间通过网络通信，网络分区故障是必然存在的，所以分区容错性是一个基本的要求。因此开发者通常将他们的系统分为两类：

  • AP，选择可用性和分区容错性
  • CP，选择一致性和分区容错性

CAP定理存在一些缺陷：

  • 网络分区很少发生，在系统没发生网络分区时，不应该牺牲一致性或可用性
  • 网络延迟是经常存在的，而CAP的经典解释忽略了网络延迟

PACELC 定理

2012年提出

PACELC定理指出，CAP定理忽略分布式系统中的网络延迟影响是一个重大疏忽，因为网络延迟一直存在，而网络分区不经常发生。

PACELC定理指出，分布式系统在网络分区P的情况下，必须在可用性A和分区容错性P之间做出选择；否则E，在没有网络分区的情况下，应该在延迟L和一致性C之间做出选择。

  • 第一部分还是PA/PC
  • 第二部分定义了新的类型：EL/EC

大部分系统往往属于PA/EL或PC/EC类型

  • PA/EL: Cassandra，MongoDB
  • PC/EC: MySQL cluster， BigTable/HBase

BASE 理论

1990末提出，提出者 Eric Brewer后来又提出了CAP定理

BASE是以下三个词的首字母

  • Basically Available 基本可用
  • Soft state 软状态
  • Eventually Consistent 最终一致

为了高可用，舍弃强一致，选择一致性更弱的最终一致性。最终一致性是指，客户端更新某个数据时，由于网络分区或延迟，导致数据没有立即同步到所有副本，系统中存在旧数据。

此时系统允许继续读写数据，但在某个最终时刻，系统保证这个更新操作一定会同步到所有副本。

提出者也指出，BASE理论好记但不够精确，BASE也确实没有像CAP那样被广泛使用。