分布式、CAP和BASE理论基础(3)

分布式、CAP和BASE理论基础

比如公众号在发布消息后，不同的粉丝可能在不同的时间内收到该消息。

这是因为消息推送可能会经过多个节点和服务，不同节点的处理速度和网络延迟会导致消息的推送时延不一致。

4.1.3. 最终一致性

最终一致性是指分布式系统中的数据副本在一段时间内可以存在不一致的情况，但最终会趋于一致状态。

这种一致性级别通常用于分布式系统中的数据复制和同步场景，系统会在一定的时间范围内保证数据最终达到一致状态，但不保证实时性和强制性。

比如当你的朋友对帖子进行点赞后，该信息需要被同步到所有观看该帖子的用户界面上。

这个同步过程可能也是异步的，并且可能会受到网络延迟等因素的影响，导致一段时间内点赞信息在不同用户界面上不一致，尽管在点赞过程中可能会出现一定的时间窗口内数据不一致的情况，但社交媒体平台会通过一定的机制和策略来保证最终所有帖子的点赞数量都达到一致状态。

这种最终一致性的特性使得社交媒体平台能够在分布式环境下提供可靠的服务，保证用户的交互体验

注意:一般的业务系统基于性价比的考量，绝大多数都是采用最终一致性作为分布式系统的设计思想。

而 CAP 理论里的一致性，则要求是强一致性。

正如官方文档中描述的那样：All nodes see the same data at the same time，所有节点在同一时间内数据完全一致

4.2.Availability(可用性)

可用性是指任何事务操作都可以得到响应结果，且不会出现响应超时或响应错误。

可用性确保了系统的稳定性和可靠性，它描述的是系统能够很好地为用户服务，不会出现用户操作失败或者访问超时的情况，影响用户体验。

4.3.Partition tolerance(分区容错性)

通常分布式系统的各各结点部署在不同的子网，这就是网络分区，不可避免的会出现由于网络问题而导致结点之间通信失败，此时仍可对外提供服务，这叫分区容忍性

5. CAP特点

思考:CAP可以同时成立吗

不可以，在CAP理论实际告诉我们，在分布式系统中，我们最多可以同时满足两个特性，无法同时满足三个

在分布式系统中，系统间的网络不能100%保证健康，一定会有故障的时候，而服务又必须对外保证服务。

因此Partition Tolerance（分区容错性）不可避免。当节点接收到新的数据变更时，就会出现问题了：

• 如果此时要保证**Consistency(一致性)**，就必须等待网络恢复，完成数据同步后，整个集群才对外提供服务，服务处于阻塞状态，不可用。
  上一页1234下一页