1.4　高可用之CAP理论

1.4.1　CAP理论

我们都知道高可用的通用办法是冗余设计（或者说集群无单点），多个节点形成集群，一旦形成集群，必定涉及一致性、可用性以及分区容错性等问题，这就涉及CAP理论。因此，CAP理论是学习高可用必须掌握的理论。

由于对系统或者数据进行了拆分，因此我们的系统不再是单机系统，而是分布式系统，针对分布式系统的CAP原理包含如下3个元素（见图1-11）：

●　C（Consistency）：一致性，分布式系统中的所有数据备份在同一时刻具有同样的值，所有节点在同一时刻读取的数据都是最新的数据副本。例如，对某个指定的客户端来说，读操作能返回最新的写操作。对于数据分布在不同节点上的数据来说，在某个节点更新了数据，如果在其他节点都能读取到这个最新的数据，就称为强一致，如果有某个节点没有读取到，就是不一致。

●　A（Availability）：可用性，非故障的节点在合理的时间内返回合理的响应（不是错误和超时的响应）。可用性的两个关键：一个是合理的时间，另一个是合理的响应。合理的时间指的是请求不能无限被阻塞，应该在合理的时间给出返回；合理的响应指的是系统应该明确返回结果并且结果是正确的。

●　P（Partition Tolerance）：分区容错性，当出现网络分区后，系统能够继续工作。在实际场景中，网络环境不可能百分之百不出现故障，比如网络拥塞、网卡故障等都会导致网络故障或不通，从而导致节点之间无法通信，或者集群中的节点被划分为多个分区，分区中的节点之间可通信，分区间不可通信。这种由网络故障导致的集群分区情况通常被称为“网络分区”。

图1-11　CAP理论

CAP原理证明，任何分布式系统只可以同时满足以上两点，无法三者兼顾。在分布式系统中，网络无法100%可靠，分区其实是一个必然现象。也就是说，分区容错性（P）是前提，是必须要保证的。

现在就只剩下一致性（C）和可用性（A）可以选择了，要么选择一致性，保证数据正确；要么选择可用性，保证服务可用。那么CP和AP的含义是什么呢？

对于CP来说，放弃可用性，追求一致性和分区容错性，ZooKeeper其实追求的就是强一致。对于AP来说，放弃一致性（这里说的一致性是强一致性），追求分区容错性和可用性，这是很多分布式系统设计时的选择。

顺便一提，CAP理论中是忽略网络延迟的，也就是当事务提交时，从节点A复制到节点B没有延迟，但是在现实中这明显是不可能的，所以总会有一定的时间是不一致的。同时，CAP中选择两个，比如你选择了CP，并不是叫你放弃A。

最后我们来对比分析一下CA、CP以及AP这3种策略，以方便读者记忆和理解，具体如表1-4所示。

表1-4　CA、CP以及AP三种策略对比