分布式系统知识分享：正确理解CAP定理-创新互联
前言
CAP的理解我也看了很多书籍，也看了不少同行的博文，基本每个人的理解都不一样，而布鲁尔教授得定义又太过的简单，没有具体描述和场景案例分析。因此自己参考部分资料梳理了一篇与大家互相分享一下。
标题写了正确理解，或许某些点不是百分百正确或者有歧义，但是希望与各位分享讨论后达到最终正确。
简介
CAP定理，又被称作布鲁尔定理(Brewer's theorem)，是埃里克·布鲁尔教授在2000 年提出的一个猜想，它指出对于一个分布式系统来说，不可能同时满足以下三点：
·Consistency(一致性): where all nodes see the same data at the same time.(所有节点在同一时间具有相同的数据)
·Availability(可用性): which guarantees that every request receives a response about whether it succeeded or failed.(保证每个请求不管成功或者失败都有响应)
·Partition tolerance(分隔容忍): where the system continues to operate even if any one part of the system is lost or fails.(系统中任意信息的丢失或失败不会影响系统的继续运作)
很多书籍与文章引用Robert Greiner在2014年8月写的一篇博文 http://robertgreiner.com/2014/08/cap-theorem-revisited/。相比与看着布鲁尔教授一脸懵逼的定义，Robert Greiner的更加容易理解。
定义
原文：In a distributed system (a collection of interconnected nodes that share data.), you can only have two out of the following three guarantees across a write/read pair: Consistency, Availability, and Partition Tolerance - one of them must be sacrificed.
翻译：在一个分布式系统(指互相连接并共享数据的节点的集合)中，当涉及读写操作时，只能保证一致性(Consistence)、可用性(Availability)、分区容错性(Partition Tolerance)三者中的两个，另外一个必须被牺牲。
关键字：interconnected nodes(互连节点)、share data(共享数据)、a write/read pair(读/写)
从上面一段话，有几个，也就是说我们聊CAP定理的时候，是在具有数据读写、数据共享和节点互连的前提下，对上面三者选其二，也是建议我们不要花费时间与精力同时满足三者。
举例说明，web集群、memcached集群不属于讨论对象
web集群只是资源复制分配在不同的节点上，然而节点间没有互连、也没有数据共享(sessionid、memory cache)。
memcached集群数据存储是通过客户端实现哈希一致性，但是集群节点间不互连的，也没有数据共享。
总得来说，CAP定理讨论的并不是分布式系统所有的功能。
一致性(Consistency)
原文：A read is guaranteed to return the most recent write for a given client.
翻译：对某个指定的客户端来说，读操作保证能够返回最新的写操作结果
关键字：a given client(指定的客户端)。
这里的一致性与我们平常了解ACID的一致性有点偏差，ACID的一致性关注的是数据库的数据完整性。
上面定义没说明是所有节点必须在同一时间数据一致，而关注点在客户端，假如有个场景，您在ATM(客户端)往某张银行卡存500元后，立刻在ATM发起查询余额的时候会显示加了500元后的余额，随后我们也能把这500元取出来。查询余额读操作可以是写后立刻读的主库，也或者写后某个时间段过后(中途无写)读从库。
可用性(Availability)
原文：A non-failing node will return a reasonable response within a reasonable amount of time (no error or timeout).
翻译：非故障节点将在合理的时间内返回合理的响应(不是错误或超时)。
关键字：non-failing node(非故障节点)、reasonable response(合理的响应)
这里的可用性和我们平常所理解的高可用性有点偏差，高可用性指系统无中断的执行其功能的能力。
已故障的节点就不具有可用性了，因为请求结果要么error要么 timeout。合理的响应没有说明是成功还是失败，但是响应应该具有是否成功的精确描述。例如我们读取sql server集群的某从库，同步需要时间，读取出来可能不是最新的数据，但却是合理的响应。
分区容错性(Partition tolerance)
原文：The system will continue to function when network partitions occur.
翻译：当网络分区发生时，系统将继续正常运作
关键字：continue to function(继续正常运作)
假如做了一个redis的一主两从的集群，某天某个从节点因为网络故障变成不可用，但是另外的一主一 从仍然能正常运作，那么我们认为它具有分区容错性。
CA-牺牲分区容错性
作为分布式系统，分区必然总会发生(2年1次50分钟还是1年3次共10分钟?)，因此认为CAP的讨论是大部分建立在P确立前提下。假设我们牺牲了P这个时候因为网络故障发生了分区导致节点不可用，这个时候请求响应了error、timeout，与可用性的定义相冲突了。
但是，我们又假如分区大部分时间是不存在的，这时对单节点的读\写，那么就无需作出C、A的取舍。但是上面说分区总会发生这不互相矛盾么，还是取舍。假如1年时间内99.99%时间是正常的，不可用时间为0.01%(52.56分钟)不可用，若这个时间属于业务接受范围，或者只在某个地区(华南、华北、华中?)有影响，那么CA也是可以选择的。
PC-牺牲可用性
最典型的案例是RDBMS集群与Redis集群，这两种都是利用主从复制实现读写分离的方案。假如两者都是建立一主多从的集群，在主节点写入数据，为了保证随后的读操作获取最新数据(一致性)，这个读操作仍会请求主节点(读写分离的复杂点在从库同步不及时导致业务的异常，为了保证业务的正常性写后的读会请求主库)，某个从节点挂了但是只要主节点和其他从节点仍然正常运作，就满足分区容错性。但是哪天主节点因为网络故障导致写操作的error或者timeout，那么这个系统就不可用了(牺牲可用性)。
这个时候可以引入其他功能和机制完成，例如Redis哨兵模式、故障转移功能。
PA-牺牲一致性
最典型的案例是Cassanda集群和Riak集群，这种类型的分布式数据库，可以任意节点写入，任意节点读取，当作为集群出现，无论写入哪个节点，都将会把该节点的数据同步到其他节点上，因为这种同步方式，读取数据时只要访问一个节点就足够了(喜欢任意访问也不拦着你)，但是因为其他节点数据同步原因，数据可能并不是最新的(牺牲一致性)。如果当前节点因为网络异常导致分区变得不可用(无论读\写)，可以转移访问节点(可用性)。
另外这里说的牺牲一致性，并不代表放弃一致性，而PA选择的是最终一致性(系统中所有的数据副本，在经过一段时间的同步后，最终能够达到一个一致的状态)
总结
上面涉及“牺牲”字眼，并不代表非此即彼的选择，可以根据子系统、模块之间的设计上进行混搭使用(例如PA和PC、CA和PC)。
本文对CAP定理做了一个简单的梳理描述，参考了部分书籍和文章加上自己的理解希望可以跟大家做个分享，如果有不同建议和看法包括文章内描述错误，请在下方评论指出，我将及时作出修改。
作 者： 陈珙
出 处：http://www.cnblogs.com/skychen1218/
关于作者：专注于微软平台的项目开发。如有问题或建议，请多多赐教!
网站标题：分布式系统知识分享：正确理解CAP定理-创新互联
文章起源：http://hbruida.cn/article/ceecei.html
