前言
小结一下分布式理论相关基础知识
CAP 概念
C Consistency，一致性，是指所有节点在同一时刻的数据是相同的，及更新执行结束并相应用户完成后，所有节点存储的数据都会保持相同。
- PS: 那应该可以通过同步的方式，等待分布式架构所有的数据都同步完毕后，再返回。
A Availability，可用性，指系统一直处于可用状态，对用户的请求可即时响应。
- PS: 意思是硬件不故障就可以了么？
P Partition Tolerance，分区容错性，指分布式系统遇到网络分区的情况下，仍然能够响应用户的请求。网络分区指因为网络故障导致网络不连通，不同节点分布在不同自网络中，各个子网络内网络正常。
- PS: 意思是网络不故障就可以了么？
- 目前我的理解是，假如硬件一切正常，CAP 就可以同时被满足？答：在稳定且没有更新的情况下，一个存储系统是会处于CAP状态的。
CAP 理论，在分布式系统中 C、A、P 这三个特征不能同时满足，只能满足其中两个。
- 说明来自 极客时间 《分布式技术原理与算法解析》 聂鹏程
CAP 为什么不能同时被满足？
- 一致性，DB1 和 DB2 数据始终相同。
- 可用性，用户无法访问 Server1 还是 Server2 ，都会得到即时响应；
- 分区容错性，Server1 和 Server2 出现网络故障，也不会影响 Server1 和 Server2 处理用户的请求。
一个数据的更新
当这个分布式系统的 Server1 收到请求时，会先把数据更新到 DB1 中，然后再把数据同步到 DB2 。
但一个网络环境是不可能一直稳定的。节点间无法通信的话，会导致集群分区情况的出现，"网络分区"。所有 CAP 的理论中的 P 是一定要被满足的。
- PS: 其实也没有什么是一定的，假如 P 不被满足，意味着一旦有网络波动，系统就直接不可用了，这是不可能的。
P满足后，C 和 A 是否可以同时满足
假如 DB1 和 DB2 出现了通信故障(延迟)，则 DB2 是无法即时返回给 User2 返回最新数据的。处理方法有且仅有种：
- 保持一致性 C，即 User2 请求时假如发现 DB2 和 DB1 的网络故障，就一直阻塞，直至网络恢复。因为 User2 要确认自己的数据是最新的。为故障阻塞，就意味着放弃 可用性A。
- 保持可用性 A，DB2 直接返回一个旧数据给 User2，这就意味着放弃一致性 C
CAP 的策略权衡
放弃A，保 CP
放弃可用性，保证一致性和分区容错性。即假如分布式系统发生网络故障，就让系统不可用，直至系统网络恢复。在一些交易场景下，这个是需要保证的。例如支付宝、微信支付那样。
类似系统包括：Redis、ZooKeeper。ZooKeeper 是如何保持 CP 的呢？
- 首先 ZooKeeper 集群会通过 ZAB 算法选举出 Leader 节点；
- 所有对集群发起的数据修改，都会被转发到 Leader 节点；
- Leader 向所有的节点发起一次提议 Proposal，等到超过一半的节点同意后，Leader 才会提供写操作，集群会学习这个写操作。数据一致性得以保持。(详细可查看 Paxos 算法)
- 当出现网络分区，分区分散，都不足以达到节点数一半，则不可用，假如其中一个分区的节点数大于集群节点数的一半，则那个分区可以再选举一个 Leader ，对用户服务，在选举过程中，不可用；
放弃C，保 AP
一般系统都会选择这种方式，保证可用性和分区容错性，放弃一致性。即允许不同的服务短时间内获取不一致的数据。例如，购买商品后，购物车、用户积分等允许少量时间数据不同步。
类似的电商的系统，对用户体验及其看重的，就需要保证 AP，允许数据不一致了。即用户可能见到的数据是假的，但在业务上还是允许的，只要不出现超卖的数据问题(通过分布式事务保证该数据正确)
放弃P，保 AC
要保证可用性和一致性，不允许分区容错，一般表示放弃使用分布式系统。即单点应用，使用 DBMS 去处理数据库时，程序需要保证 AC。
感悟
CAP 分布式理论给分布式系统划了一道上限，最大的作用是告知每一个程序员，在研究一个分布式系统，或阅读分布式代码时，要清楚一个分布式系统的取舍，理解的过程中，也不要企图满足 CAP，因为这都是徒劳的，懂得在边界内做事和理解问题。
