CAP定理-可用性和分区容限

当我尝试理解CAP中的“可用性”（A）和“分区容限”（P）时，我发现很难理解各种文章中的解释。

我感觉到A和P可以一起走（我知道不是这样，这就是为什么我不明白！）。

用简单的术语解释，A和P是什么以及它们之间的区别？

一致性意味着整个集群中的数据都是相同的，因此您可以从任何节点读取数据或向任何节点写入数据，并获取相同的数据。

可用性意味着即使集群中的某个节点出现故障，也可以访问集群。

分区容限意味着即使两个节点之间的“分区”（通信中断）（两个节点都在运行，但无法通信），群集仍可以继续运行。

为了获得可用性和分区容忍度，您必须放弃一致性。考虑在主-主设置中是否有两个节点X和Y。现在，X和Y之间的网络通信中断，因此它们无法同步更新。此时，您可以：

A）允许节点不同步（放弃一致性），或者

B）认为群集处于“关闭”状态（放弃可用性）

所有可用的组合是：

• CA-所有节点之间的数据都是一致的-只要所有节点都处于联机状态-您就可以从任何节点进行读/写操作，并确保数据相同，但是如果您在节点之间开发分区，则数据将是不同步（解决分区后将不会重新同步）。
• CP-所有节点之间的数据都是一致的，并且当节点发生故障时变得不可用，从而保持分区容限（防止数据失步）。
• AP-节点即使无法彼此通信也将保持联机状态，并且在解析分区后将重新同步数据，但是不能保证所有节点（在分区期间或分区之后）都具有相同的数据

您应该注意，CA系统实际上并不存在（即使某些系统声称存在）。

将P与C和A等同地考虑是一个错误，而C，A，P中的“三分之二”概念是令人误解的。我要简单地解释CAP定理的方式是：“在分布式数据存储中，在进行网络分区时，您必须选择“一致性”或“可用性”，而不能同时选择两者。较新的NoSQL系统试图将重点放在可用性上，而传统的ACID数据库则将重点放在一致性上。

您真的不能选择CA，网络分区不是任何人都想要的，这只是分布式系统的不受欢迎的现实，网络可能会失败。问题是，当发生这种情况时，您会为应用程序选择什么权衡。最初提出该术语的人的这篇文章似乎很清楚地解释了这一点。

这就是我讨论CAP的方式，特别是关于P。

只有在您可以使用整体式单服务器数据库（也许可以进行复制，但所有数据都位于一个“故障块”上-服务器不认为会部分故障）时，才可以使用CA。

如果您的问题需要横向扩展，分布式和多服务器---可能会发生网络分区。您已经在要求P。我所解决的问题很少符合总是采用单服务器的范例（或者，如Stonebraker所说，“分布式就是赌注”）。如果您发现CA问题，那么诸如传统的非横向扩展RDBMS之类的解决方案将带来很多好处。

对我而言，很少见：所以我们继续讨论AP与CP。

只有具有分区时，才可以在AP和CP操作之间进行选择。如果网络和硬件运行正常，您也会吃蛋糕。

让我们讨论AP / CP的区别。

AP-有网络分区时，让独立的部分自由运行。

CP-存在网络分区时，请关闭节点或禁止进行读写操作，从而导致确定性故障。

我喜欢可以同时实现这两种功能的体系结构，因为有些问题是AP，有些是CP-有些数据库可以同时做到。在CP和AP解决方案中，也有一些细微之处。

例如，在AP数据集中，您可能会出现读取不一致和生成写冲突的情况-这是两种可能的AP模式。可以为您的系统配置具有高读取可用性的AP，但不允许写入冲突吗？或者您的AP系统可以使用强大而灵活的解析系统来接受写入冲突？您最终会需要两者吗，还是可以选择只需要一个的系统？

在CP系统中，如果有小分区（单个服务器），您将获得多少不可用性？更大程度的复制会增加CP系统中的不可用性，系统如何处理这些折衷？

这些都是CP与AP共同要问的问题。

布鲁尔（Brewer）的“ 12年后”一书现在是该领域的热门读物。我相信这将使CAP辩论更加明确，并强烈推荐它。

http://www.infoq.com/articles/cap-twelve-years-later-how-the-rules-have-changed

一致性：

保证读取会返回给定客户端的最新写入（如ACID）。如果在此期间有任何请求，则必须等到节点之间/节点之间的数据同步完成。

可用性：

每个节点（如果没有失败）总是执行查询，并且应该始终响应请求。是否返回最新副本都无关紧要。

分区容限：

发生网络分区时，系统将继续运行。

关于AP，可用性（始终可访问）可以存在（Cassendra）或没有（RDBMS）分区容限

图片来源

我觉得分区容忍度在任何答案中都无法很好地解释，因此只是为了更详细地解释CAP定理意味着：

C：（线性化或强一致性）大致表示

如果操作B在操作A成功完成之后开始，则操作B必须使系统处于与操作A完成时相同的状态，或者处于较新的状态（但绝不为旧状态）。

答：

“系统中无故障的[数据库]节点收到的每个请求都必须导致[无错误]响应”。对于某些节点而言，仅能够处理该请求是不够的：任何非故障节点都必须能够处理该请求。许多所谓的“高可用性”（即低停机时间）系统实际上不符合可用性的定义。

P：

分区容限（严重命名错误）基本上意味着您正在通过异步网络进行通信，这可能会延迟或丢弃消息。互联网和我们所有的数据中心都具有此属性，因此您在此问题上别无选择。

资料来源：令人敬畏的马丁·克莱普曼的作品

仅举一个例子：Cassandra最多可以是AP系统。但是，如果将其配置为基于Quorum进行读取或写入，则它不会保持CAP可用（根据CAP定理的定义可用），而仅是P系统。

简单地说，CAP定理指出，分布式系统不可能同时提供所有三个保证：

一致性

每个节点同时包含相同的数据

可用性

每次至少必须有一个节点可用于提供数据

分区容限

系统故障非常罕见

通常，每个系统只能保证CA，AP或CP至少具有两个功能。

一致性–当我们发送读取请求时，如果返回结果，则它应返回客户端请求给出的最新写入。可用性–您的读/写请求应始终成功。分区容限–发生网络分区（某些机器相互交谈的问题）时，系统仍应正常工作。

在分布式系统中，可能会发生网络分区，并且我们无法避免CAP的“ P”。因此，我们在“一致性”和“可用性”之间进行选择。

http://bigdatadose.com/understanding-cap-theorem/

了解CAP定理的简单方法：

如果是网络分区，则需要在完美可用性和完美一致性之间进行选择。

选择一致性意味着无法回答客户的查询，因为系统不能保证返回最近的写入。这牺牲了可用性。

选择可用性意味着能够响应客户的请求，但是系统不能保证一致性，即写入的最新值。在给定的情况下，可用的系统会提供最佳的答案。

这个解释来自这篇优秀的文章。希望会有所帮助。

我已经遍历了很多链接，但是除了其中一个，它们都无法给我满意的答案。

因此，我用非常简单的措词来描述CAP。

• 一致性：必须返回相同的Data，无论它来自哪个节点。

• 可用性：节点应该响应（必须可用）。

• 分区容忍性：集群应该响应（必须提供），即使有节点间AA分区（即网络故障）。

（也是造成更多混乱的一个主要原因是它的命名约定不好。如果我没错，我可能会改用DNC定理：数据一致性，节点可用性，集群可用性，其中每个分别对应于一致性，可用性和分区容差）

CP数据库： CP数据库以可用性为代价提供一致性和分区容限。当任意两个节点之间发生分区时，系统必须关闭不一致的节点（即，使其不可用），直到解决该分区为止。

AP数据库： AP数据库以一致性为代价提供可用性和分区容限。发生分区时，所有节点仍然可用，但位于错误端的节点可能会返回比其他节点更旧的数据。（解决分区后，AP数据库通常会重新同步节点以修复系统中的所有不一致情况。）

CA数据库： CA数据库可在所有节点之间提供一致性和可用性。但是，如果系统中任意两个节点之间存在分区，则无法执行此操作，因此无法提供容错功能。在分布式系统中，无法避免分区。因此，尽管我们可以在理论上讨论CA分布式数据库，但出于所有实际目的，CA分布式数据库可以存在但不应该存在。

因此，这并不意味着如果需要，您就无法为分布式应用程序提供CA数据库。许多关系数据库（例如PostgreSQL）可提供一致性和可用性，并可使用复制将其部署到多个节点。

资料来源：https : //www.ibm.com/cloud/learn/cap-theorem