酒泉网站建设推广,做淘宝优惠券推广网站,视频制作哪里可以学,福州网站建设工作室CAP和BASE
CAP
C一致性#xff08;Consistency#xff09;
在分布式环境下#xff0c;一致性是指数据在多个副本之间能否保持一致性的特征。在一致性的需求下#xff0c;当一个系统在数据一致的状态下执行更新操作后#xff0c;应该保证系统的数据仍然处于一致性的状态…CAP和BASE
CAP
C一致性Consistency
在分布式环境下一致性是指数据在多个副本之间能否保持一致性的特征。在一致性的需求下当一个系统在数据一致的状态下执行更新操作后应该保证系统的数据仍然处于一致性的状态。
A可用性Availability
可用性是指系统提供的服务必须一直处于可用的状态对于用户的每一个操作请求总是能够在有限的时间内返回结果。有限的时间指尽可能短的时间内返回处理结果。返回结果指在有限的时间内返回正常的结果不保证返回的是最新的结果。
P分区容错性Partition
如果是分布式系统那么就会存在多个节点就会存在节点故障或网络故障所以P是不可避免的。
CAP不能同时满足分布式系统中如果要保证C一致性那么就要执行节点数据同步同步就存在网络请求故障、逻辑执行耗时等问题此时就不能保证节点的可用性了。如果要保证A可用性系统尽可能的快此时就不能保证网络请求一定成功、逻辑是否执行完成此时就不能保证节点的一致性了。所以在分布式系统中只能同时满足AP或者CP。
BASE
BABasically Available基本可用
牺牲高一致性获得可用性和可靠性。在分布式系统中出现不可预知故障时允许损失部分可用性注意这里不等价于系统不可用。比如响应时间上的损失系统故障时请求响应时间由原来的0.5s延长到1s此时系统仍然可用。系统功能上的缺失在系统流量洪峰时为了保证核心功能稳定将部分消费者引导到一个降级页面。
SSoft state软状态
软状态指允许系统中的数据存在中间状态并认为该中间状态不会影响系统的整体可用性即允许系统各节点数据同步存在延时。
EEventually consistent最终一致性
系统各节点一定时间后数据最终达到一致状态。
BASE理论是对CAP中一致性和可用性权衡的结果其来源于对大规模互联网系统分布式实践的总结是基于CAP理论逐步演化而来的。BASE理论和传统的事务ACID特性是相反的它完全不同于ACID的强一致性模型在实际的分布式场景中不同业务和组件对数据一致性要求是不同的因此在具体的分布式系统中BASE理论和ACID特性是结合一起使用的。
一致性分类
强一致性
又称线性一致性。任何时刻任何用户或节点都可以读到最近一次成功更新的副本数据强一致性是程度要求最高的一致性要求。一个集群要对外提供强一致性某一个节点数据发生改变要等到最新数据同步到其他所有节点后才能对外提供服务。保证强一致性务必不能满足可用性。
弱一致性
一旦某个更新成功用户无法在一个确定的时间内读到这次更新的值且即使在某个副本上读到了新的值也不能保证在其他副本上可以读到新的值。
最终一致性
一旦数据更新成功各个副本上的数据最终达到完全一致的状态但达到完全一致状态所需要的时间不能保证。
顺序一致性
任何一次读都能读到某个数据的最近一次写的数据。对其他节点之前的修改是可见已同步且确定的并且新的写入建立在已经达成同步的基础上。
