概述
在大数据领域，被业界广泛谈及的CAP理论存在着一些关键性的认知误区，而只有全面地考察与剖析分布式环境中的种种场景，我们才能真正正确地理解它。
现在，CAP（Consistency一致性、Availability可用性、Partition-tolerance分区可容忍性）理论普遍被看成是大数据技术的理论基础。同时，凭据该理论，业界有一种极度流行、极度“专业”的认识，那就是：关系型数据库设计选择了C（一致性）与A（可用性），NoSQL数据库设计则差别。其中，HBase选择了C（一致性）与P（分区可容忍性），Cassandra选择了A（可用性）与P（分区可容忍性）。
在理论计算机科学中，CAP定理（CAP theorem），又被称作布鲁尔定理（Brewer's theorem），它指出对于一个分布式计算系统来说，不可能同时满足以下三点：
- 一致性（Consistency)：同一个数据在集群中的所有节点，同一时刻是否都是同样的值。
- 可用性（Availability）：集群中一部分节点故障后，集群整体是否还能处理客户端的更新请求。
- 分区容忍性（Partition tolerance）：是否允许数据的分区，分区的意思是指是否允许集群中的节点之间无法通信。
实际上，这种认识是不准确的，甚至是不正确的。暂且不说深入的剖析与研究，只要先从轮廓上简单剖析一下，你就能发现问题：岂非说从理论上讲Cassandra就一定比HBase的可用性更高吗？而要要彻底搞清楚这个问题，还得先从CAP理论自己开始研究。
常见的理解及剖析
附图 CAP理论示意图
更深入的探讨：两种主要的分布式场景
结论
转载请注明链接：http://www.68dl.com//research/2014/0907/4413.html
最后
以上就是勤劳香水为你收集整理的怎样正确理解大数据CAP理论的全部内容，希望文章能够帮你解决怎样正确理解大数据CAP理论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