logo标签列表

CAP 定理 - 可用性和分区容忍性

databasenosqlconsistencyavailability
317
虽然我试图理解CAP中的“可用性”(A)和“分区容错性”(P)，但我发现很难理解各种文章中的解释。
我有一种感觉，即A和P可以一起实现(我知道这不是真的，这就是我无法理解的原因!)。
简单地解释一下，A和P分别是什么以及它们之间的区别是什么?
3
不要选择现成的答案。阅读，想象并分别理解每个C、A、P。设计一个分布式集群架构（可能有3个数据库），然后应用你的理解。观察当分布式数据库发生故障时C、A、P会发生什么变化。一旦你理解了，再检查答案并按照你的逻辑应用它们。记住——即使你理解了，也可能不太清楚。因此，请认真思考并应用你的理解。谢谢。 - Maiden
4
由于链接末尾带有“/”，导致上述ksat.me链接无法访问，显示404错误页面。使用http://ksat.me/a-plain-english-introduction-to-cap-theorem这个链接就可以顺利访问，并且内容详细介绍了CAP定理中的'C'、'A'、'P'三个方面。 - vivek.m
这是我的答案在这里，它描述了在选择HBase之前应该考虑什么。 - Ram Ghadiyaram
13个回答
628

一致性指的是数据在整个集群中是相同的，因此您可以从/向任何节点进行读取或写入，并获得相同的数据。

可用性意味着即使集群中的某个节点关闭，也能访问该集群。

分区容错意味着即使两个节点之间存在“分区”（通信中断），集群仍将继续运行（两个节点均正常，但无法通信）。

为了同时实现可用性和分区容错，您必须放弃一致性。考虑如果您有两个节点X和Y处于主-主设置中。现在，X和Y之间的网络通信中断，因此它们无法同步更新。此时你可以：

A）允许节点不同步（放弃一致性），或

B）认为集群“宕机”（放弃可用性）

所有可用的组合方式如下：

  • CA - 只要所有节点都在线，数据在所有节点之间保持一致，您可以从任何节点读取/写入并确保数据相同，但如果节点之间出现分区，数据将不同步（并且在解析分区后不会重新同步）。
  • CP - 数据在所有节点之间保持一致，并通过在节点关闭时变为不可用来维护分区容错性（防止数据失步）。
  • AP - 即使节点无法互相通信，节点仍然保持在线，并在解决分区后重新同步数据，但不能保证所有节点都具有相同的数据（在分区期间或之后均如此）

需要注意的是， CA系统实际上不存在（即使某些系统声称如此）。

1
在AP模式下，为什么我们不能保证所有节点都具有相同的数据？好吧，因为我们没有"C"，但是...这对我来说不太清楚...我想知道为什么会发生这种情况... - grep
9
抱歉回答晚了。如果你既有可用性（集群不会崩溃），又有分区容错性（数据库可以在节点无法通信时生存下来），那么你不能保证所有节点始终都具有所有数据（一致性），因为节点正在运行并接受写入，但无法将这些写入内容相互通信。 - Chris Heald
4
虽然来晚了，但这些分类下的一些例子非常值得展示，例如http://blog.nahurst.com/visual-guide-to-nosql-systems。请让我知道您还需要翻译什么内容。 - bitinn
1
能否提供一个关于node-clusters的简单示例或说明将会非常有帮助。它是一个系统，还是分布在不同系统中的数据表/集合，或者其他什么？ - shrotavre
2
这是一篇相关的阅读材料。Google Cloud Spanner声称在大多数使用情况下实际上是CA系统（而不是技术上）：https://cloud.google.com/blog/products/gcp/inside-cloud-spanner-and-the-cap-theorem - Vigneswaran Rk
显示剩余11条评论
88

考虑将P与C和A平等对待是一个错误，而在C、A、P之间的“三选二”概念是误导性的。我会简洁地解释CAP定理：“在分布式数据存储中，在网络分区时，您必须选择一致性或可用性，无法同时获得两者。” 新的NoSQL系统试图专注于可用性，而传统的ACID数据库更加注重一致性。

你真的不能选择CA，网络分区并不是任何人都想要的，它只是分布式系统中不可避免的现实，网络可能会出现故障。问题是当这种情况发生时，您选择什么样的权衡来适应您的应用程序。这篇文章来自首次提出该术语的人，似乎非常清楚地解释了这一点。

从 CAP 理论中，我也理解到这个。在网络分区时，你必须要么选择一致性，要么选择可用性。 - Ashish Ranjan
同意，传统的SQL数据库是CA，但它们没有任何分区，只有故障转移用于高可用性。一个没有P的系统甚至可以被认为是分布式的吗？ - Varun Garg
事实上，互联网上存在很多噪音和误解，这个帖子中的大部分答案也令人困惑。然而，这篇文章真正解决了我所有的困惑。 - neleus
24

以下是我对CAP的讨论，特别是P方面的解释。

只有在使用单个服务器数据库时（可能具有复制功能，但所有数据都位于一个"故障块"上-不考虑部分故障），才能实现CA。

如果您的问题需要扩展、分布式和多服务器-网络分区可能会发生。您已经需要P了。我解决的问题中很少适用于单服务器始终范例（或者如Stonebraker所说，“分布式是桌子上的筹码”）。如果您可以找到一个CA问题，像传统的非规模化RDBMS这样的解决方案提供了很多好处。

对我来说，这种情况比较少：所以我们继续讨论AP与CP。

只有在存在分区时，您才会选择AP和CP操作。如果网络&硬件正常运行，您就可以得到您想要的结果。

让我们讨论AP / CP区别。

AP-当存在网络分区时，让独立部分自由操作。

CP-当存在网络分区时，关闭节点或禁止读写，以便出现确定性故障。

我喜欢既能做AP又能做CP的架构，因为某些问题是AP，某些问题是CP-有些数据库都可以同时做到。在CP和AP解决方案中，也存在一些微妙的差别。

例如，在AP数据集中，您可能会出现不一致的读取和生成写入冲突的可能性-这些是两种不同的AP模式。您的系统能否配置为高读可用性但禁止写入冲突的AP?或者您的AP系统可以接受写入冲突，并具有强大而灵活的解决方案？最终您需要两者都吗，还是选择只有一个系统？

在CP系统中，如果存在小型分区（单个服务器），则会出现多少不可用性（如果有）？更高的复制可以增加CP系统的不可用性，系统如何处理这些权衡？

这些都是CP与AP问题要问的问题。

Brewer的“12年后”文章是目前这个领域的一篇很好的阅读材料。我相信这篇文章用清晰的语言推进了CAP辩论，强烈推荐阅读。

CAP十二年后：规则如何改变

2
CA系统确实令人困惑，我对您关于单片式数据库的CA示例有一个问题。如果它只是单个服务器，那么“A”从何而来，因为在我的理解中，所述服务器的故障将导致没有可用服务？ - chaooder
1
好问题。服务器可能会出现磁盘故障，甚至DIMM故障，或者如果它们设计用于高可用性，则可能会出现电源故障。甚至可以想象在多个电网上运行。您可以获得越来越高的可用性，但是从未有一个“网络”内部具有分区和运行组件不一致的能力。虽然存在更为深奥的硬件（请查找SQL NON-STOP），但是RAID阵列的失败和恢复组件的示例在今天仍然很常见，并且在单个服务器中提供非常高的可用性。 - Brian Bulkowski
嗯，我对你的回复@BrianBulkowski的理解是，“A”表示“即使存在网络分区，它仍然可用”，而不是“如果节点关闭，它仍然可用”。这准确吗？ - Adam Zerner
20

CAP 定理

一致性:

读取操作保证会返回给定客户端最近的写入结果(类似 ACID)。如果在此期间有任何请求，则必须等待数据在节点间完成同步。

可用性:

每个节点（如果没有失败）始终执行查询并应始终响应请求。无论它是否返回最新副本。

分区容错性:

当发生网络分区时，系统将继续运行。

关于AP，可用性（始终可访问）可以与分区容错性相关联(Cassendra)或不相关联(RDBMS)。

图片来源

14

我查阅了很多链接，但除了一个之外，没有一个能给我满意的答案。

因此，我用非常简单的语言描述CAP。

  • 一致性：无论数据来自哪个节点，都必须返回相同的数据。

  • 可用性：节点应该有响应（必须可用）。

  • 分区容错性：集群应该有响应（必须可用），即使节点之间存在enter image description here分区（即网络故障）。 （它更加令人困惑的一个主要原因是其糟糕的命名约定。如果我有权利，我可能会提供DNC定理代替：即数据一致性、节点可用性和集群可用性分别对应一致性、可用性和分区容错性）。

CP数据库： CP数据库提供了一致性和分区容错性，但以可用性为代价。当任何两个节点之间发生分区时，系统必须关闭非一致性节点（即使其变得不可用）直到分区解决。

AP数据库： AP数据库通过牺牲一致性来实现可用性和分区容错性。当发生分区时，所有节点仍然可用，但在错误的分区端的节点可能会返回比其他节点旧的数据版本。（当解决分区时，AP数据库通常重新同步节点以修复系统中的所有不一致性。） CA数据库： CA数据库在所有节点之间提供一致性和可用性。然而，如果系统中任意两个节点之间存在分区，则无法实现这一点，也因此无法提供容错性。在分布式系统中，无法避免分区的发生。因此，虽然我们可以在理论上讨论CA分布式数据库，但在实际应用中，一个CA分布式数据库是存在但不应该存在的。
因此，这并不意味着您不能为您的分布式应用程序使用CA数据库。许多关系型数据库（例如PostgreSQL）提供一致性和可用性，并且可以使用复制部署到多个节点上。
来源：https://www.ibm.com/cloud/learn/cap-theorem
3
我认为在任何答案中都没有很好地解释分区容错性，所以只是为了更详细地解释CAP定理的含义：
C：（线性化或强一致性）大致意思是
如果操作B在操作A成功完成后开始，则操作B必须看到系统处于与操作A完成时相同的状态或更新状态（但永远不会是旧状态）。
A：
“系统中任何非故障[数据库]节点接收到的每个请求都必须产生一个[无错误]响应”。某个节点能够处理请求是不够的：任何非故障节点都需要能够处理它。许多所谓的“高可用性”（即低停机时间）系统实际上并不符合此可用性定义。
P：
分区容错性（名称非常不准确）基本意味着您正在通过可能会延迟或丢失消息的异步网络进行通信。互联网和所有数据中心都具有这种属性，因此您在这方面没有选择。

来源: 了不起的Martin kleppmann的 作品

举个例子： Cassandra最多只能成为AP系统。但是如果您将其配置为基于Quorum进行读取或写入，则它不再符合CAP定理的定义，仅是P系统。

3

enter image description here

根据上述图表，C已经断开连接，但A、B、D可以继续工作。现在我们可以称系统为“部分工作”（分区容错性）。
考虑一个特定的交易只需要A、B和D，系统可以在不产生任何不一致性的情况下执行它。
但是当C必须参与特定的交易时，系统可以有两种方式执行。
1. A可以拒绝用户请求，因为C不可用。
So the system has Partition-Tolerance and consistency (P,C).
But no availability, because of the rejection.

2. A可以将应该由C接收的信息存储在A的本地内存中，并在C重新连接时进行传输。
So the system has Partition-Tolerance and availability (P,A).
But no consistency.because C has not updated.
2
CAP 定理的简单理解方式：
在网络分区的情况下，我们需要在完美的可用性和完美的一致性之间做出选择。
选择一致性意味着无法回答客户端的查询，因为系统无法保证返回最新的写入。这会牺牲可用性。
选择可用性意味着能够响应客户端的请求，但系统无法保证一致性，即最近写入的值。在给定的情况下，可用的系统提供最佳可能的答案。
此解释来自于这篇优秀的文章。希望能有所帮助。
2
简单来说，CAP定理指出分布式系统无法同时提供以下三种保证：

enter image description here

一致性

每个节点在同一时间包含相同的数据。

可用性

至少有一个节点必须始终可用以提供数据。

分区容错性

系统故障非常罕见。

大多数系统只能保证最少两种特性，即CA、AP或CP。

你没有回答问题。实际上，你所说的正是让原帖作者感到困惑的事情。 - matrix
1
Brewer的主题演讲、Gilbert的文章以及许多其他论述都将C、A和P作为实现中理想的属性平等地放置，并有效地表示“选择两个！”。然而，这通常被认为是一个具有误导性的陈述，因为您不能构建或选择“分区容错性”：您的系统可能会经历分区，也可能不会经历。
CAP更好地被理解为描述在构建可能遭受分区的系统时必须做出的权衡。在实践中，这是每个分布式系统：没有100%可靠的网络。因此（至少在分布式上下文中）不存在真正的CA系统。您可能会遭受分区，因此您必须在某个时候妥协C或A。

https://github.com/henryr/cap-faq#10-why-do-some-people-get-annoyed-when-i-characterise-my-system-as-ca

网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接