五.分布式架构理论 Evergreen 2020年11月14日 微服务 预计阅读 9 分钟 ### CAP理论 CAP定理: 指的是在一个分布式系统中，Consistency（一致性）、 Availability（可用性）、Partition tolerance（分区容错性），三者不可同时获得 一致性（C）：所有节点都可以访问到最新的数据 可用性（A）：每个请求都是可以得到响应的，不管请求是成功还是失败 分区容错性（P）：除了全部整体网络故障，其他故障都不能导致整个系统不可用 CAP理论就是说在分布式存储系统中，最多只能实现上面的两点。而由于当前的网络硬件肯定会出现延迟丢包等问题，所以分区容忍性是我们必须需要实现的。所以我们只能在一致性和可用性之间进行权衡。 CA： 如果不要求P（不允许分区），则C（强一致性）和A（可用性）是可以保证的。但放弃P的同时也就意味着放弃了系统的扩展性，也就是分布式节点受限，没办法部署子节点，这是违背分布式系统设计的初衷的 CP: 如果不要求A（可用），每个请求都需要在服务器之间保持强一致，而P（分区）会导致同步时间无限延长(也就是等待数据同步完才能正常访问服务)，一旦发生网络故障或者消息丢失等情况，就要牺牲用户的体验，等待所有数据全部一致了之后再让用户访问系统 AP：要高可用并允许分区，则需放弃一致性。一旦分区发生，节点之间可能会失去联系，为了高可用，每个节点只能用本地数据提供服务，而这样会导致全局数据的不一致性。 ### CAP里面下的注册中心选择思考 常见注册中心：zk、eureka、nacos | | **Nacos** | **Eureka** | **Consul** | **Zookeeper** | | :-------------- | :------------------------- | :--------- | :---------------- | :------------ | | 一致性协议 | CP+AP | AP | CP | CP | | 健康检查 | TCP/HTTP/MYSQL/Client Beat | 心跳 | TCP/HTTP/gRPC/Cmd | Keep Alive | | 雪崩保护 | 有 | 有 | 无 | 无 | | 访问协议 | HTTP/DNS | HTTP | HTTP/DNS | TCP | | SpringCloud集成 | 支持 | 支持 | 支持 | 支持 | Zookeeper：CP设计，保证了一致性，集群搭建的时候，某个节点失效，则会进行选举行的leader，或者半数以上节点不可用，则无法提供服务，因此可用性没法满足 Eureka：AP原则，无主从节点，一个节点挂了，自动切换其他节点可以使用，去中心化 `结论`： 分布式系统中P,肯定要满足，所以只能在CA中二选一 没有最好的选择，最好的选择是根据业务场景来进行架构设计 如果要求一致性，则选择zookeeper/Nacos，如金融行业 CP 如果要求可用性，则Eureka/Nacos，如电商系统 AP CP ： 适合支付、交易类，要求数据强一致性，宁可业务不可用，也不能出现脏数据 AP: 互联网业务，比如信息流架构，不要求数据强一致，更想要服务可用 ### 一致性和可用性的权衡结果 BASE理论 > Base理论: CAP 中的一致性和可用性进行一个权衡的结果，核心思想就是：我们无法做到强一致，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, 来自 ebay 的架构师提出 Basically Available(基本可用)：假设系统，出现了不可预知的故障，但还是能用, 可能会有性能或者功能上的影响 Soft state（软状态)：允许系统中的数据存在中间状态，并认为该状态不影响系统的整体可用性，即允许系统在多个不同节点的数据副本存在数据延时 Eventually consistent（最终一致性)：系统能够保证在没有其他新的更新操作的情况下，数据最终一定能够达到一致的状态，因此所有客户端对系统的数据访问最终都能够获取到最新的值
评论区