1.CAP理论
-
CAP：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，所以分区容错性是我们必须要实现的。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（可用性），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
2.CAP里面的注册中心选型
| 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，则会进行选举新的leader，如果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（分区容错）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（CP），则选择Zookeeper/Nacos，如金融行业；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
- 如果要求可用性（AP），则Eureka/Nacos，如电商系统；适合互联网业务，比如信息流架构，不要求数据强一致，更想服务可用
3.BASE理论
- 什么是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
