CAP理论
- 一致性（Consistency）一致性表示所有客户端同时看到相同的数据，无论它们连接到哪个节点。 要做到这一点，每当数据写入一个节点时，就必须立即将其转发或复制到系统中的所有其他节点，然后写操作才被视为“成功”。
如果允许至少一个节点的数据不一致，将会丧失了一致性
- 强一致性
强一致性提供可线性化保证。 可线性化是指并发处理请求。 保证读取操作返回项的最新提交版本。 客户端永远不会看到未提交或不完整的写入。 始终保证用户读取最新确认的写入。
下图以乐谱形式演示了非常一致性。 将数据写入“美国西部 2”区域后，当你从其他区域读取这些数据时，将会获得最新的值：
- 有限过期一致性
在有限过期一致性中，保证读取操作遵循一致性前缀保证。 读取操作可以滞后于写入操作最多“K”个项版本（即“更新”）或“T”时间间隔，以先达到者为准。 换言之，如果选择有限过期，则可以通过两种方式配置“过期”：
- 项的版本数 (K)
- 时间间隔 (T) 读取操作可以滞后于写入操作
有限过期在“过期窗口”之外提供全局整体顺序。 当客户端在接受写入的区域中执行读取操作时，有限过期一致性提供的保证与强一致性的保证相同。 随着过期窗口接近时间或更新（以更近者为准），服务将限制新写入，以允许复制跟上并遵守一致性保证。
下图以乐谱形式演示了有限过期一致性。 将数据写入“美国西部 2”区域后，“美国东部 2”和“澳大利亚东部”区域将会根据所配置的最大滞后时间或最大操作数目读取写入的值
- 会话一致性
对于会话一致性，在单个客户端会话中，将保证读取操作遵循一致前缀、单调读取、单调写入、读取写入和读取后写入保证。 这采用单个“写入器”会话，或者多个写入器共享会话令牌。
下图以乐谱形式演示了会话一致性。 “美国西部 2 写入器”和“美国西部 2 读取器”正在使用同一个会话（会话 A），因此它们会同时读取相同的数据。 而“澳大利亚东部”区域正在使用“会话 B”，因此，它会稍后才会接收到数据，但接收顺序与写入顺序相同
- 一致前缀一致性
在一致前缀选项中，返回的更新包含所有更新的一些前缀，不带间隔。 一致前缀一致性级别保证读取操作永远不会看到无序写入。
如果写入是按 A, B, C 顺序执行的，则客户端会看到 A、A,B 或 A,B,C，但永远不会看到类似于 A,C 或 B,A,C 的失序排列情况。 一致前缀的延迟、可用性和读取吞吐量与最终一致性相当，但还会提供顺序保证，以适应顺序非常重要的方案的需求。
下图以乐谱形式演示了一致前缀一致性。 在所有区域中，读取操作永远不会看到无序写入：
- 最终一致性
对于最终一致性，不保证读取的顺序。 如果缺少任何进一步的写入，则副本最终会收敛。 最终一致性是最弱的一致性形式，因为客户端可能会读取比之前读取的值还要旧的值。 最终一致性非常适合不需要任何顺序保证的应用程序。 示例包括推文、点赞或无回复评论的计数。 下图以乐谱形式演示了最终一致性。
- 可用性（Availability）- 可用性表示发出数据请求的任何客户端都会得到响应，即使一个或多个节点宕机。 可用性的另一种状态：分布式系统中的所有工作节点都返回任何请求的有效响应，而不会发生异常。
如果为了保证所有节点数据一致性，将分区中数据不一致的节点设置为不可用，将丧失了可用性
- 分区容错性（Partition tolerance）- 分区是分布式系统中的通信中断 - 两个节点之间的丢失连接或连接临时延迟。 分区容错意味着集群必须持续工作，无论系统中的节点之间有任何数量的通信中断。
CAP类型
- CP 数据库：CP 数据库提供一致性和分区容错，以牺牲可用性为代价。 在任何两个节点之间发生分区时，系统必须关闭不一致的节点（即，使其不可用），直至解决该分区为止。
- AP 数据库：AP 数据库提供可用性和分区容错，以牺牲一致性为代价。 当发生分区时，所有节点仍可用，但分区错误端的节点可能会返回较旧版本的数据。（解决分区后，AP 数据库通常会再同步节点，以修复系统中的所有不一致。）
- CA 数据库：CA 数据库在所有节点间提供一致性和可用性。 如果系统中的任意两个节点之间存在分区，但无法提供容错，就无法实现 CA 数据库。
BASE理论
- Basically Available（基本可用）
分布式系统在出现不可预知故障的时候，允许损失部分可用性
- Soft state（软状态）
软状态也称为弱状态，和硬状态相对，是指允许系统中的数据存在中间状态，并认为该中间状态的存在不会影响系统的整体可用性
- Eventually consistent（最终一致性）
最终一致性强调的是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，而不需要实时保证系统数据的强一致性
参考资料
若有收获，就点个赞吧
0 人点赞
