zookeeper与cap | 易学教程

一个分布式系统最多只有同事满足一致性（Consistency），可用性（Availability）和分区容错性（Partition tolearance）这三项的两项。

一致性分为强一致性，弱一致性，最终一致性

比如有一个系统（MySQL-a，mysql-b），MySQL-a中有一份数据初始化为1，现在有一个user，user有两个步骤：

如果：

强制要求步骤2读取的时候，一定要读取的是2，不能读取到的是1，那么要求mysql之间的同步非常迅速或者在步骤2上加锁以等待数据同步完成，那么这种叫强一致性；

允许步骤2读取的时候，可以读取1，那么这叫弱一致性，其实不就是不需要要一致；

允许步骤2读取的时候，可以先读到1，过一会儿再读到2，那么这种叫最终一致性，就是可以等待一段时间才一致。

cap中的一致说的是强一致性。

可用性指的是服务可以一直可用，而且是正常响应时间。

好的可用性主要是指系统能够很好的为用户服务，不出现用户操作失败或者访问超时等用户体验不好的情况。

一个分布式系统，上下游设计很多系统负载均衡，web服务器，应用代码，数据库服务器等，任何一个节点的不稳定都可以影响可用性。

分区容错性指，即分布式系统在遇到某节点或网络分区故障的时候，仍然可以对外提供满足一致性和可用性的服务。

分区容错性和扩展性紧密相关。在分布式系统应用中，可能因为一些分布式的原因导致系统无法正常运转。好的分区容错性要求能够

使应用虽然是一个分布式系统，而看上去仍然好些是一个可以正常运行的整体。比如现在的分布式系统中的某一个或者几个机器宕机了，其他剩下的机器

还能够正常运转满足系统需求，或者是机器之间有网络异常，将分布式系统分隔为独立的几个部分，各个部分还能维持分布式系统的运作，这样就具有好的分区容错性

简单点说，就是网络中断，消息丢失的情况下，系统如果还能正常工作，就是有比较好的分区容错性。

base理论是对cap理论的延伸，核心思想是及时无法做到强一致性（Strong Consistency），但是英语可以采用合适的方式达到最终一致性。

base是指基本可用（basically available），软状态（soft state），最终一致性（ Eventual Consistency）

基本可用是指分布式系统在出现故障的时候，允许损失部分可用性，即保证核心可用

电商大促时，为了应对访问量激增，部分用户可能会被引导降级页面，服务层也可能只提供降级服务，这就是损失部分可用性的体现

软状态是指允许系统存在中间状态，而中间状态不会影响系统整体可用性。分布式存储中一般一份数据至少会用三个副本，

允许不同节点间副本同步的延时就是软状态的体现。mysql replication的异步复制也是一种体现。

最终一致性是指系统中所有数据副本经过一段时间后，最终能够达到一致的状态。弱一致性和强一致性相反，最终一致性是弱一致性的一种特殊情况。

由于base理论需要在一致性和可用性方面做出权衡，因此涌现了很多关于一致性的算法和协议：

zookeeper至少满足了cp，牺牲了可用性，比如现在集群中有leader和follower两种角色，那么当其中任意一台服务器挂掉了，

都要重新进行选举，在选举的过程中，集群是不可用的，这就是牺牲的可用性。

但是，如果集群中有leader，follower，observer三种角色，那么如果挂掉的是observer，那么对于集群来说并没有什么

影响，集群还是可以用的，只是observer节点的数据不同了，从这个角度考虑，zookeeper又是牺牲了一致性满足了ap。

来源：oschina

链接：https://my.oschina.net/u/3553496/blog/3154871

标签