标签：提升 强一致 而不是 计算机网络 base less 原理 nbsp 数据分布
CAP
2000年Eric Brewer在ACM研讨会上提出的猜想：一致性（Consistency）、可用性（Availability）、分区容错（Partition-tolerance），三者无法在分布式系统中被同时满足，并且最多只能满足其中两个。 2003年MIT的Lynch证明了这三者确实是不可兼得的。 这被奉为分布式领域的重要理论。
C（一致性）：所有节点上的数据一直保持同步。
A（可用性）：每个请求都能收到响应，无论响应成功或失败。
P（分区容错）：系统能持续提供服务，即使内部某个节点分区有消息丢失。
CA是分布式系统固有属性，而P是分区容错，分区是网络相关的属性，常见的几种分区如下：（1）交换机故障，导致网络被分成几个子网，形成脑裂；（2）服务器发生网络迟延或死机，导致某些服务器与集群中的其它服务器失去联系。
2012年Lynch重写了之前的论文，针对业界各种质疑，刷新了CAP理论：
（1）把CAP理论局限在原子读写的场景，不支持数据库事务之类的场景；
（2）把分区容错归结为一个队网络环境的描述，而非之前的一个独立条件。这实际上更加明确了概念。
（3）引入活性Liveness和安全属性Safety，在一个更抽象的概念下研究分布式系统，并认为CAP是活性与安全属性之间权衡的一个特例。其中一致性属于活性，可用性属于安全属性。
（4）把CAP的研究推到更广阔的空间：网络存在同步、部分同步；一致性的结果也从仅存在一个到存在N个（部分一致）；引入通信周期Round，并引用了其它论文，给出了为了保证N个一致性结果，至少需要通信的Round数量。
总之，Lynch论文主要几点：
（1）承认分区容错是一个既定的环境约束，而非独立的选择或者条件。
（2）缩小CAP适用范围，消除质疑场景。
总结一下CAP理论：首先，CAP并不是一个放之四海而皆准的原理，仅适用于原子读写的NoSQL场景，不适合数据库系统。其次，当今分布式系统早已不是十年前的简单系统，现在分布式系统还有很多特性，比如扩展性、自动化等，而不仅仅局限在CAP。
BASE准则：
2008年eBay在ACM上分布了一篇BASE的文章，并给出了他们在实践中总结的基于BASE的一套新的分布式事务的解决方案，解决CAP理论不适用数据库事务的问题。
BASE全称Basically Available， Soft-state， Eventually Consistent，即系统的主要可用、软状态、数据的最终一致性。相对于CAP，BASE大大降低了对系统的要求。
Basically Available：例如数据库采用分区模式，100万用户分布在5个数据库实例上，如果破坏了1个，那么可用性还有80%，整个系统还是主要可用。
Soft-state：在Client-Server模式的系统中，Server是否有状态（state），这是一个很重要的设计，也在根本上决定一个分布式系统是否具有良好的水平扩展、负载均衡、故障恢复等高级特性。然后，除了stateful和stateless，还存在另一个方式-soft state，它最早来源于计算机网络的协议设计，在分布式系统中函数是：Server承诺维持Client的state，但是仅仅维持一小段时间，过了这个时间段，Server就会将state丢弃。
Eventually Consistent：数据最终一致性，而不是强一致性。
BASE准则，主要是牺牲数据一致性来满足系统的高可用，系统中一部分数据不可用或不一致，仍需要保持系统整体的主要可用。
数据库领域，BASE主要体现是对业务数据进行拆分，让不同的数据分布在不同的机器上，提升系统的可用性，主要做法：按功能划分数据库，数据库分片。由于拆分后会涉及分布式事务，所以eBay在该BASE论文中提到了如何用最终一致性的思路来实现高性能的分布式事务。
标签：提升 强一致 而不是 计算机网络 base less 原理 nbsp 数据分布
原文地址：https://www.cnblogs.com/ruanchao/p/14747469.html
