分布式理论之CAP定理
CAP定理
CAP定理介绍
CAP定理（CAP Theorem），又称布鲁尔定理（Brewer's throrem）。它指出，对一个分布式系统来说，不可能同时满足以下三点：
| 选项 | 具体意义 |
|---|---|
| 一致性（Consistency） | 所有节点访问时都是同一份最新的数据副本 |
| 可用性（Availability） | 每次请求都能获取到非错的响应，但是不保证获取数据为最新数据 |
| 分区容错性（Partition tolarence） | 分布式系统在遇到任何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，除非整个网络环境发生了故障 |
一致性（Consistency）- C
指的是强一致性
在写操作完成后开始的任何读操作都必须返回该值，或者后续写操作的结果。
就是说，在分布式系统中，一旦客户端将值写入任何一台服务器并获得相应，那么之后client从其他服务器读取的都是刚写入的数据。
客户端向G1写入数据，并等待响应
此时，G1服务器的数据是v1，G2服务器的数据是v0，不一致
在返回数据到客户端之前，G2服务器会自动同步G1服务器的数据，使G2服务器的数据也是v1
一致性保证了，不管向哪台服务器（比如G1）写入数据，其他服务器都能实时同步数据
G2已经同步了G1的数据，会告诉G1，我已经同步了
G1接收了同步的报告，将”写入成功“的信息返回给client
client在发起请求，读取G2的数据
此时读取到的响应值是v1
可用性（Availability）- A
系统中非故障性节点的每个请求都必须有响应。
可用系统中，如果客户端向服务端发送请求，并且服务器未崩溃，则服务器必须最终响应客户端，不允许服务端忽略客户端的请求。
分区容错性（Partition tolarence） - P
允许网络丢失从一个节点到另一个节点的任意条消息，即不同步。
就是说，G1和G2发送给客户端的任意消息都可以放弃。
G1和G2可能会因为各种意外状况，导致无法成功同步，分布式系统能容忍这种情况。
CAP三者不能同时满足结论
假设存在三者都能满足的系统
1、那么做的第一件事就是分区我们的系统，由于满足分区容错性，也就是说，可能因为网络通信不佳，导致G1和G2不同步
2、接下来，我们的客户端将v1写入G1，但是G1和G2之间是不同步的，所以如下，G1是v1的数据，G2是v0的数据
3、由于要满足可用性，即一定要返回数据，所以G1必须在数据没有同步给G2的前提下返回数据给client，如下
接下来，client请求的是G2服务器，由于G2服务器的数据是v0，那么client得到的数据也是v0
结论：G1返回的是v1的数据，G2返回的是v0的数据，不满足C。因此得证，CAP不可能同时出现。
CAP三者如何平衡
三选二利弊如何
CA（Consistency + Availability），关注一致性和可用性，他需要非常严格的全体一致性协议。
CA系统不能容忍网络错误或者节点错误，一旦出现这样的问题，系统就会拒绝写请求。
因为它并不知道哪个节点挂掉了或者只是网络故障问题。
唯一安全的做法是把自己变成只读的。
CP（Consistency + Pattition tolerance），关注一致性和分区容错性。他关注的是系统中大部分人的一致性协议。这种系统只需要保证大多数节点数据一致，少数节点在没有同步到最新数据时，变成不可用状态。
这样能够提供一部分可用性。
AP（Availability +Pattition tolerance），关系可用性和分区容错性。
这样的系统不能保证一致性，需要给出数据冲突，给出数据冲突就需要维护数据版本。
三选二如何选择
放弃了一致性，满足容错，那么节点之间可能失去联系，为了高可用，每个节点只能使用本地数据提供服务，而这样容易导致全局不一致性。
对于互联网应用来说，机器数量庞大，节点分散，网络故障很正常，此时就是保障AP，放弃C的场景。实际理解就是，网站偶尔没有一致性是可以接受的，但是不能访问问题就很大。
对于银行来说，C必须存在，那么只能用CA和CP两种情况。当保障一致性和可用性时（CA），那么一旦出现通信故障，系统将完全不可用。如果保障了一致性和分区容错性（CP），那么就具备了部分可用性。需要根据实际情况抉择，如果只是查看不做更新，那么不如直接拒绝服务。
