概述
CAP定理
一个分布式系统最多只能同时满足一致性（Consistency）、可用性（Availability）和分区容错性（Partition Tolerance）这三项中的两项。
- Consistency（数据一致性）：分布式场景下，只要存在数据冗余/副本，就需要考虑数据一致性问题；
- Availability（系统可用性）：系统/服务的可用性，一般通过不可用时间来衡量，如下所示；
- Partition Tolerance（分区容错性）：网络出现局部故障时（如丢包、乱序、抖动、甚至是网络分区节点 crash ），系统能否仍然提供满足一致性和可用性的服务；
CP or AP
在实际环境中，网络问题往往是最不可控的，只能通过提升基础设施的稳定性或者搭建私有环境等手段尽量避免，因此往往是根据实际场景在CA两者之间进行权衡。BASE理论实际就是AP，牺牲强一致性，保证最终一致性。
数据一致性
数据的一致性可以分为弱一致性和强一致性，实际中使用的弱一致性都是最终一致性（数据副本间允许短时间的不一致），强一致性的实现目前主流的是Paxos、ZAB和Raft。
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。因此，最终一致性的本质是需要系统保证最终数据能够达到一致，而不需要实时保证系统数据的强一致性。
参考：
- 分布式系统的CAP理论
最后
以上就是还单身老师为你收集整理的CAP与数据一致性的全部内容，希望文章能够帮你解决CAP与数据一致性所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复