CAPTheoremCAP定理的发展1985年，Lynch证明了在异步通信中不存在一致的分布式算法（FLPImpossibility）。2000年，EricBrewer在PODC研讨会上提出了一个猜想（CAP理论猜想）：一致性、可用性和分区容错性在分布式系统中不能同时满足，最多只能同时满足其中的两个！2002年，林奇和吉尔伯特证明了布鲁尔的猜想，论文链接（可访问）。分布式系统中的CAP定理是什么？CAP定理是一个基本定理，它证明了在分布式系统中不可能同时获得以下三个性质。Consistency，一致性，在分布式系统中，写操作完成后发生的读操作，必须返回这个值或者一个更新的写操作值Availability，可用性，系统中非故障节点收到的每一个请求，都必须产生一个响应。Partitiontolerance，分区容错，一条消息从一个节点发送到另一个节点，允许任意数量的消息由于网络原因丢失。上述定义来源于Lynch和Gilbert在论文中给出的定义。证明论文采用反证法：假设存在同时满足Consistency、Availability、Partitiontolerance的算法A。那么我们来模拟一个反例请求。假设我们有一个包含两个节点的集群。由于算法A满足CAP，根据Partitiontolerance假设两个节点之间的消息丢失。客户端向其中一个节点发起写入请求。请求完成后，数据由V0→V1变化；由于节点之间的消息丢失了，所以对方节点的数据还是V0；客户端向两个节点发送读取请求，根据可用性（Availability），两个节点都会响应请求，一个节点响应数据V1，另一个节点响应数据V0；由于一个节点返回数据V0，这个数据是一次写操作完成后的数据，违反了一致性（Consistency）的定义。这证明在分布式系统中，不能同时满足CAP。权衡由于在分布式系统中不能同时满足CAP，设计者必须根据实际需要进行权衡。让我们来看看常见的模型。CP模型牺牲了一定的可用性来保证一致性和分区容错性。一个简单的中心算法就可以满足CP要求。一个中心节点维护数据，其他节点收到客户端请求后自动将请求重定向到中心节点。得到中心节点的ack后，将数据响应给客户端。结尾。如果系统需要保证强一致性，可以选择CP模型来实现。CA模型没有分区容错，即不存在网络丢失的可能性。在单体应用中，不会因为节点间的数据通信而丢失消息。在分布式系统中，由于节点之间的网络交互，必须考虑分区容错，可以不考虑CA模型。AP模型牺牲了系统的强一致性来保证可用性和分区容错性。在没有一致性约束的情况下，系统中的节点可以用初始值V0响应每个请求，从而满足可用性要求。当然，系统在实际使用中仍然可以提供一定的弱一致性保证。例如，在分布式系统中，可以为节点使用的本地缓存设置一个有效时间，当超过有效时间后，重新加载本地缓存，以保证一定的一致性。生活中的例子：周末去菜市场买酸菜，在家做酸菜鱼。我：我来到酸菜摊，拿起一包酸菜，问：“这酸菜多少钱一包？”老板娘：“7元”；老板：“6块钱”在这个小故事里，我们分别看到了老板娘和老板娘。操作是分布式系统中的两个节点。根据我们上面介绍的可能模型，这是一个AP模型，牺牲了一定的一致性。故事还在继续，当老板说完6块钱的时候，只见老板娘恶狠狠地瞪着老板。那么如果老板不想再出现这种问题，该怎么办呢？见下图。老板接到询价后，可以问老板娘酸菜的价格是多少，然后回复我。在这种场景下，如果老板娘耳聋，迟迟不回复老板的消息，会对整体的可用性造成一定的影响，所以这是一个CP选择。故事的结局：我买了这袋酸菜，给了老板7块钱。我觉得我赚了我的血，你觉得呢？参考[1]https://mwhittaker.github.io/...[2]https://github.com/psyho/dypl...
