怎么联系网站管理员,苏州建站公司哪个济南兴田德润实惠吗,汕头资讯网,网站开发ceil(5.5)什么是 CAP#xff1f;
C 代表 Consistency#xff0c;一致性#xff0c;是指所有节点在同一时刻的数据是相同的#xff0c;即更新操作执行结束并响应用户完成后#xff0c;所有节点存储的数据会保持相同。
A 代表 Availability#xff0c;可用性#xff0c;是指系统提…什么是 CAP
C 代表 Consistency一致性是指所有节点在同一时刻的数据是相同的即更新操作执行结束并响应用户完成后所有节点存储的数据会保持相同。
A 代表 Availability可用性是指系统提供的服务一直处于可用状态对于用户的请求可即时响应。
P 代表 Partition Tolerance分区容错性是指在分布式系统遇到网络分区的情况下仍然可以响应用户的请求。网络分区是指因为网络故障导致网络不连通不同节点分布在不同的子网络中各个子网络内网络正常。
CAP 理论又是什么呢
CAP 理论指的就是在分布式系统中 C、A、P 这三个特征不能同时满足只能满足其中两个如下图所示。 什么是 CAP 以及 CAP 为什么不能同时满足
网络中有两台服务器 Server1 和 Server2分别部署了数据库 DB1 和 DB2这两台机器组成一个服务集群DB1 和 DB2 两个数据库中的数据要保持一致共同为用户提供服务。用户 User1 可以向 Server1 发起查询数据的请求用户 User2 可以向服务器 Server2 发起查询数据的请求它们共同组成了一个分布式系统。
对这个系统来说分别满足 C、A 和 P 指的是
在满足一致性 C 的情况下Server1 和 Server2 中的数据库始终保持一致即 DB1 和 DB2 内容要始终保持相同在满足可用性 A 的情况下用户无论访问 Server1 还是 Server2都会得到即时响应在满足分区容错性 P 的情况下Server1 和 Server2 之间即使出现网络故障也不会影响 Server1 和 Server2 分别处理用户的请求。
用户 User1 向服务器 Server1 发起请求将数据库 DB1 中的数据 a 由 1 改为 2
系统会进行数据同步即图中的 S 操作将 Server1 中 DB1 的修改同步到服务器 Server2 中使得 DB2 中的数据 a 也被修改为 2
当 User2 向 Server2 发起读取数据 a 的请求时会得到 a 最新的数据值 2。 这其实是在网络环境稳定、系统无故障的情况下的工作流程。但在实际场景中网络环境不可能百分之百不出故障比如网络拥塞、网卡故障等会导致网络故障或不通从而导致节点之间无法通信或者集群中节点被划分为多个分区分区中的节点之间可通信分区间不可通信。
这种由网络故障导致的集群分区情况通常被称为“网络分区”。在分布式系统中网络分区不可避免因此分区容错性 P 必须满足。接下来我们就来讨论一下在满足分区容错性 P 的情况下一致性 C 和可用性 A 是否可以同时满足。
假设Server1 和 Server2 之间网络出现故障User1 向 Server1 发送请求将数据库 DB1 中的数据 a 由 1 修改为 2而 Server2 由于与 Server1 无法连接导致数据无法同步所以 DB2 中 a 依旧是 1。这时User2 向 Server2 发送读取数据 a 的请求时Server2 无法给用户返回最新数据那么该如何处理呢
**第一种处理方式是**保证一致性 C牺牲可用性 AServer2 选择让 User2 的请求阻塞一直等到网络恢复正常Server1 被修改的数据同步更新到 Server2 之后即 DB2 中数据 a 修改成最新值 2 后再给用户 User2 响应。 **第二种处理方式是**保证可用性 A牺牲一致性 CServer2 选择将旧的数据 a1 返回给用户等到网络恢复再进行数据同步。 保 CP 弃 A
如果一个分布式场景需要很强的数据一致性或者该场景可以容忍系统长时间无响应的情况下保 CP 弃 A 这个策略就比较适合。
保证 CP 的系统有很多典型的有 Redis、HBase、ZooKeeper 等。接下来我就以 ZooKeeper 为例带你了解它是如何保证 CP 的。
首先我们看一下 ZooKeeper 架构图。 ZooKeeper 集群包含多个节点Server这些节点会通过分布式选举算法选出一个 Leader 节点。在 ZooKeeper 中选举 Leader 节点采用的是 ZAB 算法。在 ZooKeeper 集群中Leader 节点之外的节点被称为 Follower 节点。
Leader 节点会专门负责处理用户的写请求
当用户向节点发送写请求时如果请求的节点刚好是 Leader那就直接处理该请求
如果请求的是 Follower 节点那该节点会将请求转给 Leader然后 Leader 会先向所有的 Follower 发出一个 Proposal等超过一半的节点同意后Leader 才会提交这次写操作从而保证了数据的强一致性。
具体示意图如下所示 当出现网络分区时如果其中一个分区的节点数大于集群总节点数的一半那么这个分区可以再选出一个 Leader仍然对用户提供服务但在选出 Leader 之前不能正常为用户提供服务如果形成的分区中没有一个分区的节点数大于集群总节点数的一半那么系统不能正常为用户提供服务必须待网络恢复后才能正常提供服务。
这种设计方式保证了分区容错性但牺牲了一定的系统可用性。
保 AP 弃 C
**适合保证 AP 放弃 C 的场景有很多。**比如很多查询网站、电商系统中的商品查询等用户体验非常重要所以大多会保证系统的可用性而牺牲一定的数据一致性。
目前采用保 AP 弃 C 的系统也有很多比如 CoachDB、Eureka、Cassandra、DynamoDB 等。
知识扩展CAP 和 ACID 的“C”“A”是一样的吗
首先我们看一下 CAP 中的 C 和 ACID 中的 C 是否一致。
CAP 中的 C 强调的是数据的一致性也就是集群中节点之间通过复制技术保证每个节点上的数据在同一时刻是相同的。ACID 中的 C 强调的是事务执行前后数据的完整性保持一致或满足完整性约束。也就是不管在什么时候不管并发事务有多少事务在分布式系统中的状态始终保持一致。
其次我们看一下 CAP 中的 A 和 ACID 中的 A。
CAP 中的 A 指的是可用性Availability也就是系统提供的服务一直处于可用状态即对于用户的请求可即时响应。
ACID 中的 A 指的是原子性Atomicity强调的是事务要么执行成功要么执行失败。
BASE理论
BASE理论是对CAP理论的一种实践指导原则提出在分布式系统中更加灵活的一致性模型。具体来说
基本可用性Basically Available系统保证在正常情况下的可用性即系统能够及时响应用户请求。软状态Soft state系统中的数据状态可以在一段时间内是不确定的即允许存在中间状态。最终一致性Eventually consistent系统的所有副本最终将达到一致的状态尽管在某个时间点上可能存在不一致的情况。
BASE理论相对于严格的ACID原子性、一致性、隔离性、持久性事务模型提倡在分布式系统中使用更灵活的一致性模型。它允许系统在一段时间内处于不一致的状态以获得更高的可用性和性能。
