- CAP的前世今生 -
1.1 起源
CAP理論，被戲稱爲“帽子理論”，CAP是Eric Brewer在2000年ACM研討會上出了一個想法：“一致性、可用性和分區容錯性三者無法在分佈式系統中被同時滿足，並且最多隻能滿足其中兩個！”
2002年，Seth Gilbert和Nancy Lynch採用反正法證明了猜想：“如果三者可同時滿足，則因爲允許P的存在，一定存在Server之間的丟包，如此則不能保證C。” 在該證明中，對CAP的定義進行了更明確的聲明。
C：一致性被稱爲原子對象，任何的讀寫都應該看起來是“原子”，或串行的。寫後面的讀一定能讀到前面寫的內容，所有的讀寫請求都好像被全局排序。
A：對任何非失敗節點都應該在有限時間內給出請求的迴應。（請求的可終止性）
P：允許節點之間丟失任意多的消息，當網絡分區發生時，節點之間的消息可能會完全丟失。
但是隻證明了CAP三者不可能同時滿足，並沒有證明任意二者都可滿足的問題；所以該證明被認爲是一個收窄的結果，在之後10年裏受到各種質疑。
1.2 重新詮釋
2012年，Brewer和Lynch針對所有的質疑進行了迴應，重新詮釋CAP。“3箇中的2個”表述是不準確的，在某些分區極少發生的情況下，三者也能順暢地配合。CAP不僅僅是發生在整個系統中，可能是發生在某個子系統或系統的某個階段。把CAP理論的證明侷限在原子讀寫的場景，並申明不支持數據庫事務之類的場景。一致性場景不會引入用戶agent，只是發生在後臺集羣之內。把分區容錯歸結爲一個對網絡環境的陳述，而非之前一個獨立條件。引入了活(liveness)和安全屬性(safety)，在一個更抽象的概念下研究分佈式系統，並認爲CAP是活性與安全屬性之間權衡的一個特例。其中的一致性屬於liveness，可用性屬safety。
網絡存在同步、部分同步；一致性性的結果也從僅存在一個到存在N個（部分一致）；引入了通信週期round，保證N個一致性結果。
總結：縮小CAP適用的定義，消除質疑的場景；展示了CAP在非單一一致性結果下的廣闊的研究結果。
- CAP的分析 -
2.1 組成
Consistency：一致性
Availability：可用性
Partition tolerance：分區容忍性
2.2 Consistency
從論文上看：操作之後的讀操作，必須返回該值。
從百科上看：在分佈式系統中的所有數據備份，在同一時刻是否同樣的值。
總結：在分佈式系統中，C代表任何人在任何地點、任何時間，訪問任何數據 結果都是一致的。
2.3 Availability
從論文上看：只要收到用戶的請求，服務器就必須給出迴應。
從百科上看：在集羣中一部分節點故障後，集羣整體是否還能響應客戶端的讀寫請求。
總結：在分佈式系統中，A代表服務在任何時候都要是可用的、可訪問。
2.4 Partition tolerance
從論文上看：直譯叫“分區容錯”，意思是區間通信可能失敗。
從百科上看：分區相當於對通信的時限要求。
總結：分區容錯=分區+容錯。分佈式系統因爲多實例部署，面臨多個子網絡，多個子網絡存在網絡通訊的需求；因爲網絡通訊的不可靠性造成分區的存在。而分區的存在，不可避免出現數據和可用性問題，需要有容錯機制來處理。
- 實踐分析 -
3.1 A與P的差異
從上述的描述中，因爲兩者都有容錯可用的描述，我們很容易將A 跟 P 混淆在一起。接下去，咱們從各個維度去分析C 與P的差異。
1、從關注點來說，A關注的是用戶對分佈式系統的可用要求；P關注的是分佈式系統實例間的網絡連通性。
2、從要求上來看，A從外部的視角，要求分佈式系統在正常響應時間內一直可用；P從實例節點的視角出發，在遇到某節點或節點間通信故障的時候，要求分佈式系統整體對節點的容錯及恢復性。
3、從受衆上分析，A針對的是用戶，P針對的是服務實例。
3.2 CP與AP
三者的組合，產生了AC、AP、CP三個組合。但在分佈式環境中，多實例部署是基本條件，因爲網絡的不可靠性，造成了P成了硬性條件。所以結果就轉化成了CP、AP兩個分支。
CP、AP分支代表的是硬性條件，在這個基礎上去追求利益化纔是這個分支的本質問題。如果是粗暴的對另外一個選項直接放棄，那這個世界就太simple、easy了，而且也不符合咱們對系統的期望和基本使用。這就是2012年重新詮釋後CAP的最終狀態意義，“三選二”是一個僞命題。
基於這個2012年CAP的最終意義，咱們發現CP不是簡單的放棄A，而是保障CP的硬性條件去追求A。所以產生了過半寫入這樣非常經典的使用方式:過半寫入後，分佈式節點可以根據少數服從多數完成數據的一致性要求。因此產生了最大的效益
1、分佈式實例的更高可用性，對所有實例不在全部寫入成功才認爲是成功。
2、分佈式實例的更快響應性，使用廣播快速獲取過半結果後直接認定結果。依靠補充手段實現數據的一致性。
說完CP的改變，再說說AP的對應調整升級。咱們爲了高可用放棄數據的一致性，其實這個說法是不嚴謹，也是錯誤的。數據一致性是系統的基本要求。那麼要怎麼理解AP，應該從髒讀、幻讀來說，場景允許數據的短暫不一致，接受數據的最終一致性。
1、數據的嚴謹性是系統的一個要求，但允許數據的一定延遲是AP存在的意義。
2、系統的高可用可以滿足更多的羣體，從這個的目標上，所以AP是比較友好的
因爲分佈式系統，系統是多層面的組合型存在，所以我們並不會說一個系統是AP還是CP。我們是根據系統的業務場景去選擇CP和AP，但是高可用是互聯網分佈式應用的特性，所以我們絕大部分情況是追求AP，儘量讓系統滿足更多的用戶。然後基於某些場景數據的強一致性必要性去選擇CP。
總結
在分佈式環境下，對cap的要求。不管cp 還是ap，並不是完全丟棄另一個，而是優先級問題；在滿足C或者A的基礎上去追求另外一個，結論如下：
1、CP--在強一致性的底線上追求可用性 (案例-過半寫入)。
2、AP—在高可用的基礎上追求數據的一致性(案例-最終一致性)。
3、系統以AP爲基調，在一些數據高即時、一致性場景使用CP進行補充。
作者介紹
孫玄
畢業於浙江大學，奈學教育創始人兼CEO，前轉轉公司技術委員會主席，前58集團技術委員會主席，前百度資深研發工程師，騰訊雲TVP，阿里雲MVP，在線直播大課《百萬架構師》品牌創始人。
林淮川
畢業於西安交通大學；前大樹金融高級架構師；前大樹金融技術委員會開創者；前大樹金融供應鏈金融技術總監；前天陽宏業交易事業部技術主管；多年互聯網金融行業（ToB）經驗。
歡迎關注公衆號：
