分布式cap理论学习
一致性(Consistency)
代表数据在任何时刻，任何分布式节点，看到的都是符合预期的。有点类似于幂等，无论访问哪个节点，得到结果数据一致。
可用性(Availability)
强调的是任意时刻一定能读到数据，不能有短暂的服务不可用，至于读取的数据是新值还是旧值都不影响，但一定要能成功访问。
分区容错性(Partition Tolerance)
数据被划分存储在多个节点，即使一个节点不可用了，仍能从其他节点访问数据。官话：在网络中断，消息丢失情况下，系统照样能够工作。
结论
首先，cap三个不同同时满足。
- ca的场景是 读写场景都在主节点上，保证了数据即刻可以获取同时多次获取数据都是一致的。但是当主节点不可服务的时候，整个分布式集群将变的不可用
- cp的场景是 当发生数据更新时，需在主从节点之间节点同步，节点会有短暂时间不可用的情况
- ap的场景是 当发生数据更新时，主从节点可以即刻被访问并且能保证分布式节点可以被访问。但会出现数据不一致的问题。
对于分布式的场景，分区容错性(Partition-tolerance) 是必要的选择，否则分布式集群的意义就不大了。
总的来说，没有绝对完美的解决方案，只有合适业务的理论指导。
原文地址：https://blog.csdn.net/mikelv01/article/details/143862338
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！