CAP、ACID、BASE理解

技术笔记

CAP

CAP原则又称CAP定理，指的是一个分布式系统中，Consistency（一致性）、Availabiliy（可用性）、Partition Tolerance（分区容错性），三者不可兼得。

img

CAP理论将分布式系统的三个特性进行了系统归纳：

  • 一致性（C）：在分布式系统中的所有数据备份，在同一时刻是否为同样的值。即同样数据在分布式系统中所有地方都是被复制成相同。
    对于分布式的存储系统中，一份数据往往会复制多份并存放在不同的主机上。一致性保证了对于客户对一份数据的操作的同时，其他数据也会相应进行同样的操作，而不会出现同一份数据在不同的主机上会有不同的副本的情况。
  • 可用性（A）：在集群中的一部分节点故障后，集群整体是否还能响应客户端的读写要求。即所有在分布式系统活跃的节点都能够处理操作且能响应查询。
    对于客户的操作，系统能够在部分节点故障（不可用）的情况下，仍然能够响应客户的操作并作出相关的数据修改。
  • 分区容错性（P）：是否允许数据的分区，即是否允许集群中的节点之间不进行通信。即除全部网络节点全部故障以外，所有子节点集合的故障都不允许导致整个系统不正确响应。即使部分的组件不可用，施加的操作也可以完成。
    在两个不同地方的存储节点由于某种原因，无法进行正常连接时，需要有一套完整的容错机制来保证数据的可操作。

一个数据存储系统不可能同时满足上述三个特性，只能同时满足其两个特性。如下所示：

  • CA - 满足数据的一致性和高可用性，但没有可扩展性。
  • CP - 满足数据的一致性和分区性。但当节点达到一定数目时，性能（也即可用性）就会下降很快，并且节点之间的网络开销还在，需要实时同步各节点之间的数据。
  • AP - 满足数据的高可用性和分区性，但在数据一致性方面会用牺牲，各节点的之间数据无法立即做到同步更新，但能保存数据的最终一致性。

在软件架构设计过程中，往往倾向于构建高可用、数据高度一致且具备扩展性的大型软件工程项目，但基于以上分析可知，我们无法同时满足三个特点。尤其在于进行分布式架构设计时，必须做出取舍。而对于分布式数据系统，分区容忍性是基本要求，否则就失去了价值。因此设计分布式数据系统，就是在一致性和可用性之间取一个平衡。对于大多数web应用，其实并不需要强一致性，因此牺牲一致性而换取高可用性，是目前多数分布式数据库产品的方向。

ACID

传统关系型数据库系统的事务特点可以囊括为ACID：

  • Atomic（原子性）：整个事务当中的所有操作，要么全部执行，要么全部不执行，不可能停滞在中间某个阶段。当事务在执行过程中发生错误时，会进行回滚（rollback）到事务最初状态，数据不会受到影响。
  • Consistent（一致性）：在事务开始之前和事务开始之后，数据库的完整性约束没有被破坏
  • Isolated（隔离性）：两个事务的执行是互不干扰的。
  • Durable（持久性）：在事务完成以后，该事务对数据库所有的更改是永久的，不可恢复的。

在传统数据库系统中，事务的ACID保证了数据库的高度一致性。比如在银行转账系统中，转账就是一个事务，从原账户扣除金额，以及向目标账户添加金额，两个操作总结为一个原子化的逻辑操作，不可拆分。

但在分布式操作系统中，ACID或许就是一个很好的选择，ACID的要求是数据的高度一致性。比如在大型的图书网站购买图书，每当用户进行购书并完成付款时，数据库系统就会锁住相关的数据库进行数据的修改（相关书本数量减少）。当数据修改完成后，其他用户都会看到该图书的库存减少了。以上操作，并不允许同一时间有两个或两个以上的用户进行图书的购买，不利于数据的高并发处理。基于以上例子，我们知道ACID放弃了系统的性能（P），进而保证数据的高度一致（C）。

BASE

BASE是站在ACID的对立面，与其截然不同的设计思想。BASE有以下三个特点：

  • Basically Availablilty（基本可用性）：指在分布式系统中在出现不可遇见的故障的时候，允许损失部分可用性。
    正常情况下，在电子商务网站上购物时，消费者都能够以较流畅的过程来完成每一笔订单，但在面对数据高并发的情况（如双11），为了保护系统的稳定性以及提高性能，设计者往往采取服务降级的措施，来满足主要服务器的性能需求。
  • Sotf-State（软状态）
    与硬状态相比，其允许系统中的数据处于中间状态，并认为该中间状态的存在不会影响系统的整体可用性，即允许系统在不同节点的数据副本之间更新存在一定的时间延迟。例如，在图书网站秒杀活动中，经常出现不同用户看到同一本畅销书的库存数量不同。
  • Eventually Consistency（最终一致性）：指在系统中所有的数据副本，经过一段时间的同步后，最能能够到达一个一致的状态。
    最终一致性的本质在于所有数据在一定时间过后，一定能够到达一致状态，而不强制要求数据的实时一致性。

BASE其核心思想是即使无法做到强一致性（Strong consistency），但每个应用都可以根据自身的业务特点，采用适当的方式来使系统达到最终一致性（Eventual consistency）。

参考资料：

[1] http://www.cnblogs.com/duanxz/p/5229352.html

[2] http://blog.csdn.net/sinat_27186785/article/details/52032510

[3] http://www.sigma.me/2011/06/17/database-ACID-and-BASE.html