分布式系统非常关注三个指标：数据一致性；系统可用性；节点连接性和可扩展性；这三个指标是什么关系，今天我们就来说说分布式理论的基础CAP。什么是数据一致性？数据“强一致性”是指系统希望只读取最新写入的数据。比如这个效果可以通过单点序列化来实现。关于会话一致性、DB主从一致性、DB双主一致性、DB和Cache一致性、数据冗余一致性、消息时序一致性、分布式事务一致性、库存扣减一致性等，都存在类似的一致性问题。什么可用性？如果系统每运行100个时间单位就有1个时间单位停止服务，则称该系统具有99%的可用性。可用性和可靠性是两个比较容易混淆的指标。以取款机为例：输入正确能取到正确的钱，说明系统是可靠的；ATM提供7*24小时服务，表明系统可用；保证系统高可用的方法有：冗余；自动故障转移；什么是连通性和可扩展性？分布式系统往往有多个节点，每个节点并不是完全独立的，需要相互通信。当节点连接失败时，需要考虑数据能否保持一致，系统如何进行容错处理。同时，连通性和可扩展性密切相关。如果你想增加机器扩展的性能，你必须有良好的连接性。当一个节点离开系统时，系统就出现了问题，这往往意味着系统无法扩展。什么是CAP定理？CAP定理总结了上述分布式系统的三个特点：一致性；可用性;分区容忍度；并且，定理指出在系统实现中，三者至多考虑两点。一致性、可用性、多节点可扩展性只能选其次。既然加了锁，那通用的最佳工程架构实践是什么？网上最常见的做法是：节点连通性、多节点Scalability和连接异常的处理必须保证满足P；ConsistencyC和AvailabilityA通常是可选的；选择ConsistencyC，例如：传统的单库水平切分就是这种类型的典型选择；选择AvailabilityA，例如：双主库同步高可用是典型的此类选择；强一致性困难怎么办？单点序列化可以保证“强一致性”，但是对系统的并发性能和高可用有较大的影响，互联网的玩法更多的是“最终一致性”。短期内可能读不到最新的数据，但在一个可接受的时间窗口后，可以读到最新的数据。比如：数据库主从同步，从库上的数据是最终一致性。总结CAP可以理解为一致性、可用性、连接性和可扩展性；CAP只能三选二；最常见的做法是AP+最终一致性；【本文为专栏作家《58神剑》原创稿件，转载请联系原作者】点此查看该作者更多好文
