大家好，我是易安！
明天让咱们来聚焦于分布式系统架构中的重要实践——CAP 实践。在分布式系统中，可用性和数据一致性是两个至关重要的因素，而 CAP 实践就是在这两者之间提供了一种衡量的准则，帮忙咱们在设计分布式系统时进行决策。同时，CAP 实践的呈现也深刻影响着分布式系统的倒退和设计。然而在当今这个工夫点，业界对于 CAP 实践的了解和利用也在一直地发生变化，咱们一起探讨下这些新的思考和意识
什么是 CAP 实践
CAP 实践是加州理工大学伯克利分校的 Eric Brewer 传授在 2000 年 7 月的 ACM PODC 会议上首次提出的，它是 Eric Brewer 在 Inktomi 期间研发搜索引擎、分布式 Web 缓存时得出的对于数据一致性（C：Consistency）、服务可用性（A：Availability）、分区容错性（P：Partition-tolerance）的一个驰名猜测：
It is impossible for a web service to provide the three following guarantees : Consistency, Availability and Partition-tolerance.
在这个猜测提出的 2 年当前，来自麻省理工学院的 Seth Gilbert 和 Nancy Lynch 从实践上证实了 Eric Brewer 传授的 CAP 猜测是成立的，从此，CAP 实践在学术上正式成为了分布式畛域公认的定理，并深刻影响着分布式系统的倒退。
CAP 实践通知咱们，一个分布式系统不可能同时满足数据一致性、服务可用性和分区容错性这三个根本需要，最多只能同时满足其中的两个。为什么会这样呢？咱们先来理解一下 CAP 实践对于数据一致性、服务可用性和分区容错性是怎么定义的。
一致性（C）
CAP 实践中的一致性是指强一致性（Strong Consistency），又叫线性一致性（Linearizable Consistency），它要求多节点组成的分布式系统，能像单节点一样运作，如果一个写操作返回胜利，那么之后的读申请都必须读到这个新数据；如果返回失败，那么所有的读操作都不能读到这个数据。
一致性中除了强一致性之外，还有其余的一致性级别，比方序列一致性（Sequential Consistency）和最终一致性（Eventual Consistency）等，这个在前面的课程“一致性与共识（一）”中会有具体的介绍。
可用性（A）
CAP 实践对可用性的定义，指的是要求零碎提供的服务必须处于 100% 可用的状态，对于用户的每一个操作申请，零碎总可能在无限的工夫内返回后果。上面咱们重点来探讨可用性定义中的三个关键点：“100% 可用”、“无限工夫内”和“返回后果”。
- 第一点，100% 可用，既不是 99% 可用，也不是 99.99% 可用，它说的是零碎必须齐全可用，不容许任何不可用的状况呈现，这是一个十分现实的模型。
- 第二点，无限工夫内，它指的是对于客户端的一个申请，零碎必须在指定的工夫内返回对应的申请后果，如果超过了这个工夫，零碎就被认为是不可用的。一般来说，“无限工夫内”是零碎在设计的时候，就设定好的零碎运行指标，不同的零碎之间会有十分大的差异。
例如，对于一个服务在线业务的 OLTP 数据库 MySQL，它的“无限工夫”个别不会超过 1 秒，然而对于服务离线剖析的 OLAP 数据库 Hive，它的“无限工夫”可能会超过 30 秒，甚至更长。
尽管不同的零碎对于“无限工夫”的设定差异十分大，然而对于一个给定的零碎来说，在设定了这个“无限工夫”之后，只有对一个申请的响应超过了这个工夫，咱们就认为这个零碎是不可用的。
- 第三点，返回后果，这是指零碎在实现对客户端申请的解决后，必须返回一个失常的响应后果。客户端能够依据这个响应后果，来明确判断这个申请执行胜利还是失败，而不是返回一个让用户无奈判断的不失常的响应后果。
比方客户发动一个申请，从用户 A 的账户转 50 元到用户 B 的账户，“转账胜利”和“余额有余”都是失常的响应后果，而“服务不可达”和“服务器外部谬误”等就是不失常的响应后果。
分区容错性（P）
分区指的是在整个分布式系统中，因为各种网络起因，零碎被分隔成多个独自的局部，它不仅蕴含咱们通常说的网络分区，也蕴含因为网络丢包导致的网络不通的状况。并且，这里说的因为网络丢包导致网络不通的情景，还蕴含节点宕机的场景，因为零碎的其余机器不晓得某个节点宕机了，只晓得与宕机节点的网络是不通的，所以当节点宕机产生时，其余节点发往宕机节点的包也将失落。
在事实的分布式系统中，咱们面对的就是一个不牢靠的网络和有肯定概率宕机的设施，这两个因素都会导致分区呈现，因而在分布式系统实现中，分区容错性 P 是一个必须项，而不是可选项。
在分布式系统中，如果咱们的设计放弃分区容错性，就相当于咱们认为节点之间的网络通信永远是好的，那么咱们对节点之间的近程调用的后果，就不须要解决超时、网络地址不可达等网络层谬误了。然而这样一来，看似是简化了零碎设计，理论却漠视了超时等网络谬误的状况。当它们呈现后，零碎的行为就是未定义的了，可能会呈现解体，或者是脏数据的问题。
因而，对于分布式系统工程实际来说，CAP 实践更适合的形容是：在满足分区容错的前提下，没有算法能同时满足数据一致性和服务可用性。
CAP 实践争执
对于数据一致性和可用性之间的争执由来已久，过后次要体现为 ACID 与 BASE 之间的争执。
基于 BASE 实践撑持的 NoSQL 静止保持发明各种可用性优先、数据一致性其次的计划，而传统数据库则坚守 ACID 个性（原子性、一致性、隔离性、持久性），优先数据一致性，在必要的时候，能够放弃零碎可用性。过后 BASE 实践还没有被宽泛承受，人们还是不违心放弃 ACID 的长处。
当 CAP 实践提出后，咱们明确了在分布式系统中，只能在强一致性和 100% 的可用性之间二选一，不能两个都要。从此 BASE 实践也逐步被人们所承受，在大规模存储的场景中广泛应用，并且创始了从 2000 年到 2010 年，NoSQL 静止的黄金十年。这十年里，工业界产生了大量优良的 NoSQL 零碎，比方 BigTable、HBase、MongoDB、Cassandra，解决了人们过后遇到的大规模数据存储的问题。
CAP 实践的从新思考与了解
CAP 实践的呈现是有历史使命的，让人们可能在分布式系统中，放弃以关系数据库为代表的 ACID 强一致性零碎，承受以 NoSQL 为代表的 BASE 实践，并且临时解决了人们在 2000 年前后对于分布式系统中，数据一致性和可用性之间的争执，让人们可能更加求实地解决过后因为互联网爆发式倒退，产生的海量用户和数据的分布式计算与存储的问题。
一个有历史使命的事物，在使命实现后，要么就过期了，人们不再提起它，要么就会对它有新的解释，让它追随时代一起倒退上来。而 CAP 实践显然属于后者，因为直到现在，人们还在对它一直地从新思考与了解。
在 2000 年的时候，CAP 实践通过一个简略然而准确定义的模型，论证了在一个满足分区容错的分布式系统中，当咱们进行零碎设计时，只能在数据一致性和服务可用性之间二选一。其中，数据一致性（C）指的是数据的强一致性，服务的可用性（A）指的是服务 100 % 的可用性，这才是 CAP 实践论证模型的关键点。
对可用性的从新思考与了解
首先，咱们对服务的可用性（A）进行剖析，你会发现在咱们的日常工作中，简直没有见过 100% 可用的服务。可用性指标是在 0 到 100% 之间间断散布的，其实一个 100% 可用性的服务和一个 99.9999% 可用性的服务之间并没有多大的差异，如果咱们的服务能实现 99.9999% 的可用性，哪怕它不合乎 CAP 实践的可用性，也是合乎咱们工作中对可用性的要求的。
所以，在咱们的零碎抉择了 CP 模型的时候，对于可用性（A），咱们永远无奈达到 100%，然而按业务要求一直优化，是咱们致力的指标。
对于具体的实际，我认为基于 Raft 算法实现的 etcd 就是一个十分好的，对可用性进行从新思考的实际。如果根据 CAP 实践来划分的话，etcd 属于 CP 模型。
而在 etcd 零碎的实现中，如果网络没有呈现分区，整个零碎是 100% 可用的；就算网络呈现分区了，也不会有整个 etcd 零碎都不可用的状况。在这时，超过半数 etcd 实例所在的网络分区一侧，零碎是失常可用的，尽管网络分区的另一侧是不可用的，然而整个 etcd 零碎的可用性仍然可能超过 50%。
对一致性的从新思考与了解
对于数据的一致性（C），除了 CAP 实践要求的强一致性外，还有枯燥一致性、会话一致性和最终一致性等。如果咱们的零碎设计抉择了 AP 模型，在数据一致性方面，尽管咱们无奈实现强一致性，然而咱们也不要全副放弃，能够致力去实现更高的一致性级别，为零碎的服务提供更好的形象。
这里咱们通过一个例子来阐明，假如咱们设计一个 AP 模型的分布式系统，失常状况下，如果根据 CAP 实践，在零碎设计时，咱们须要放弃数据的一致性。然而，咱们能够从另一个思路来设计，在零碎没有呈现网络分区的时候，这个分布式系统应该设计为强一致性的。
如果呈现网络分区了，咱们能够依据零碎状况，有抉择并且精心设计地升高零碎的一致性级别。比方，从强一致性升高到枯燥一致性或会话一致性等，这样的设计，既合乎 CAP 理论依据，也为零碎提供了更好的一致性级别，特地是在网络分区的时候。
对分区容错性的从新思考与了解
最初，咱们来剖析一下分区容错性 P 的问题。在分布式系统中，节点之间必须通过网络来通信，可是网络可能会丢包和中断，节点也可能会宕机，这样的状况就要求咱们在零碎设计的时候，必须做好零碎的分区容错解决。
然而，零碎呈现分区的状况十分少见，所以咱们能够来试想一下，在网络不呈现分区的时候，咱们将数据强一致性和 100% 的可用性都抉择，等到网络呈现分区的时候，零碎再抉择放弃局部的可用性或者升高数据一致性的级别，这种解决形式是否可行呢？
其实这样的解决形式是能够的，在上面对可用性和一致性的从新思考与了解中，所举的例子都是按这个形式来解决的，它理论是将 CAP 实践的抉择，推延到呈现网络分区的时候，而不是零碎一启动就进行 CAP 的抉择。这样能够大大提高零碎的可用性和数据一致性，并且零碎仍然能容忍网络分区。
另外，对于 CAP 实践的从新思考，特地须要阐明的一个例子是 Google 的 Spanner，咱们都晓得 Spanner 是一个寰球分布式数据库，然而 Google 却声称 Spanner 是一个 CA 零碎，这是不是和 CAP 实践的说法产生了矛盾呢？
其实并不矛盾，Spanner 尽管是一个分布式系统，然而它运行在 Google 的外部网络中，并且领有大量冗余的网络链路、解决相干故障的架构布局、以及十分粗疏的运维，以此来确保零碎的可用性超过了 99.999%。尽管不能达到 100%，然而对于使用者来说，和可用性 100% 简直没有任何区别，所以 Spanner 就是一个 CA 零碎。
而且，在网络呈现分区的时候，Spanner 会抉择一致性而不是可用性，这个时候 CAP 实践仍然会失效。所以对于 CAP 实践的从新思考，总而言之就是一句话：CAP 实践给咱们定义了零碎的设计边界，尽管想要设计出超过边界的零碎是徒劳的，然而咱们却能够有限迫近边界，并且把它作为咱们设计零碎的指标。—
总结
明天，咱们一起探讨了什么是 CAP 实践，它是指分布式系统中，在满足分区容错的前提下，没有算法能同时满足数据一致性和服务可用性，只能在数据一致性和服务可用性之间二选一。
紧接着，咱们探讨了 CAP 实践产生的影响，能够说 CAP 实践的呈现，让人们承受了 BASE 实践，并且推动了 NoSQL 静止的倒退，开启了它的黄金十年。
最初，咱们探讨了当初人们对于 CAP 实践的新了解。对于 AP 模型的零碎，咱们会致力去晋升数据一致性的级别，而对于 CP 模型的零碎，咱们会致力去晋升零碎可用性的级别。在网络不呈现分区的时候，咱们能够将 A 和 C 都抉择上；在网络呈现分区的时候，通过推延 CAP 抉择来进步零碎的可用性和数据一致性。
综上所述，CAP 实践对于分布式系统的设计和实际具备重要意义，让人们在解决数据一致性和服务可用性之间的衡量时，有了更加明确的思路和领导准则。而对于将来的倒退，咱们置信人们会一直地摸索和挑战 CAP 实践的极限，以期发明出更加高效、稳固、牢靠的分布式系统。
最初举荐你去读一下 周志明 老师的 << 凤凰架构 >>，置信你能有更加粗浅的意识。
如果本文对你有帮忙的话，欢送点赞分享，这对我持续分享 & 创作优质文章十分重要。感激！
本文由 mdnice 多平台公布