1. 引言

大家好，我是小?，一個漂泊江湖多年的 985 非科班程序員，曾混跡于國企、互聯網大廠和創業公司的后臺開發攻城獅。

在計算機科學領域，分布式系統是一門極具挑戰性的研究方向，也是互聯網應用中必不可少的優化實踐，而 CAP 理論和 BASE 理論則是分布式系統中的兩個關鍵的概念。

今天，小?將帶大家深入淺出地探討這些概念，幫助大家更好地理解分布式系統的奧秘。

2. 什么是分布式系統

首先，讓我們來談談分布式系統。你可以將分布式系統想象成一個龐大的計算機網絡，由多個計算機或服務器節點組成，它們可能分布在不同的地理位置上。

圖片

如圖所示，應用層的三個節點都發布在不同的城市。這些節點之間可以相互通信和協作，共同完成復雜的任務。

想象一下，你是一名團隊領導，有一項任務需要完成。如果你獨自一人完成，可能需要花費很長時間。

但如果你將任務分解成幾個子任務，分派給你的團隊成員，他們可以并行工作，更快地完成任務。這就是分布式系統的核心思想。

3 CAP理論

接下來，讓我們談談 CAP 理論，它是分布式系統設計中非常重要的一個原則。

CAP 是指在分布式系統中，Consistency（一致性）、Availability（可用性）和 Partition tolerance（分區容錯性）這三個基本原則。

C - 一致性（Consistency）

一致性意味著無論你從分布式系統的哪個節點讀取數據，你都會獲得相同的數據副本，它確保了數據的準確性。

在分布式系統中，廣泛的一致性分為三種，分別是強一致性、弱一致性和最終一致性。

強一致性

強一致性要求用戶在分布式系統中訪問數據時，不管是哪個節點的響應，數據都應該完全一致。

比如在訂單系統中球鞋庫存還剩 10 雙，張三剛買了一雙球鞋，數據更新完成后，接下來李四看到的球鞋數量就只有 9 雙，否則就可能會出現超賣的情況。

但這需要更多的時間和精力來協調，就像李四在買鞋的時候，必須排隊先等張三的購買動作結束后才可以繼續，效率較低。

弱一致性

弱一致性是指，在分布式系統中的數據被更新后，也允許讓后續的訪問拿到更新之前的老數據。

就像參加聚會一樣，每個人都有自己的鐘表。各自的鐘表時間可能會有點不一樣，但是這不影響大家聚在一起玩耍。

弱一致性提高了業務的效率，但有時會導致一些混亂，想象一下如果聚會人員的時間差太多，就會陷入長久的等待。

最終一致性

最終一致性是弱一致性的特殊形式，要求系統的數據更新完成，在一段時間以后，后續的所有訪問都能拿到最新的數據。

這就像朋友圈的消息傳播。當你發了一條消息，它不會立刻被所有朋友看到，但最終，每個人都會看到相同的消息。

一般的業務系統基于性價比的考量，絕大多數都是采用最終一致性作為分布式系統的設計思想。

而 CAP 理論里的一致性，則要求是強一致性。正如官方文檔中描述的那樣：All nodes see the same data at the same time，所有節點在同一時間內數據完全一致。

A - 可用性（Availability）

可用性意味著分布式系統的每個請求都應該得到響應，而且應該在有限的時間內完成。

可用性確保了系統的穩定性和可靠性，它描述的是系統能夠很好地為用戶服務，不會出現用戶操作失敗或者訪問超時的情況，影響用戶體驗。

即官方所說Reads and writes always succeed，服務在正常響應時間內一直可用。

P - 分區容錯性（Partition Tolerance）

分區容錯性是指系統能夠在網絡分區或通信故障的情況下繼續運行，也就是節點之間的網絡通信出現故障了，或者系統中的某一個節點出問題了，我們仍然需要保證業務系統可用。

即 The system continues to operate despite arbitrary message loss or failure of part of the system，分布式系統在遇到某個節點或者網絡分區故障時，仍然能夠對外提供滿足一致性或可用性的服務。

4. CAP 的特點

4.1 分區容錯的重要性

這時，有分布式基礎的同學可能就會問了，CAP 理論確實很重要，但是這三個特性似乎不能同時滿足，是吧？

沒錯，這就是 CAP 理論的核心觀點。

CAP 理論告訴我們，在一個分布式系統中，我們最多只能同時滿足其中 2 個特性，而無法同時滿足 3 個。

圖片

為什么 C，A，P 三者不可兼得？首先，我們得知道，在分布式系統中，由于網絡不可靠，為了保證服務可以時刻對外提供服務，所以分區容錯性是一定要保證的。

試想如果只有一個分區，談分布式就沒有意義了。而多個分區，一定會有分區的故障問題，分布式系統中保證分區容錯就變成最基本的訴求了。

所以現在我們只需考慮在分區容錯的基礎上，能否同時滿足一致性和可用性，我們可以用反證法來證明。

4.2 AP Or CP

假設現在有兩個分區 P1 和 P2，分區上都有同一份數據 D1 和 D2， 現在它們是完全相同的。

圖片

接下來，有一個請求 1 訪問了 P1，更改了 D1 上的數據。然后又有一個請求 2 訪問了 P2，去訪問 D2 的同一份數據。

這時，我們需要權衡。

先保證一致性

如果先保證滿足一致性和分區容錯，即 CP。

這個過程很容易出現：D1 已經更新數據，但是查詢 D2 時，數據返回的還是老數據。

為了保證 D2 和 D1 數據完全一致，必須在更新 D1 數據時給 P2 上的 D2 數據上鎖，等待 D1 更新完成后再同步更新 D2。

這個過程中，鎖住的 D2 就沒法給請求 2 實時響應，也就是違背了 P2 上的可用性。

所以在滿足一致性的前提下，CAP 無法同時滿足。

先保證可用性

如果先保證滿足可用性和分區容錯，即 AP。

可用性要求 P1 和 P2 都可以實時響應，因此在 D2 剛更新完還未同步給 D1 時，兩個 DB 的數據是不一致的，也就違背了 P1 和 P2 上的數據一致性。

所以在滿足可用性的前提下，CAP 亦無法同時滿足。

4.3 CAP 如何權衡

CAP 三者不可兼得，該怎么選擇呢？一般根據我們的業務可以有以下選擇。

滿足一致性和分區容錯CP

保證分區的強一致性（C），不要求可用（A）。

相當于請求到達某個系統之前，需要等待數據完全同步以后，才會得到系統的數據響應，一般在數據需嚴格保持一致的金融系統中會使用這種模式。

滿足可用性和分區容錯AP

保證分區的可用性（A），不要求強一致性（C）。

當請求訪問某個分區的數據時，可能拿到未同步的老數據，這種模式一般只要求數據滿足最終一致性，進而保證系統響應速度和高可用。

AP 在業界使用范圍較廣，比如著名的 BASE 理論（下文會細講）。

滿足可用和一致性AC

上文已經說過，分布式系統中無法同時保證系統的強一致性（C）和可用性（A）。

這是因為分布式系統中的分區是客觀存在無法避免的，而單體系統中的數據庫可以通過事務保證數據的一致性和可用性，比如 MySQL 中事務的四大特性（原子性、一致性、隔離性和持久性，簡稱 ACID）。

5. BASE 理論

BASE 理論是當今互聯網分布式系統的實踐總結，它的核心思想在于，既然在分布式系統中實現強一致性的代價太大，那不如退而求其次。

只需要各應用分區在提供高可用服務的基礎上，盡最大能力保證數據一致性，也就是保證數據的最終一致性。

BASE 理論是 CAP 中保證分區容錯（P）的前提下，對可用性（A）和一致性（C）的權衡，它由 Basically Available（基本可用），Soft State（軟狀態），Eventually-Consistent（最終一致性）三方面構成，簡稱 BASE 理論。

分布式系統中，CAP 理論提供了一個理論框架，而 BASE 理論則提供了一種實際操作的指導原則。

5.1 基本可用

BASE 理論認為，分布式系統在面臨故障或異常情況時，可以選擇降低性能或一致性要求，以保持基本的可用性。

這意味著系統可能會出現一些短暫的不一致性，但最終會達到一致狀態。

正如一個銀行系統的系統設計，一般有功能需求和非功能需求，我們首先需要保證核心功能需求的基本可用性。

功能需求

在銀行系統里，用戶提款、轉賬等交易模塊就是核心功能，是用戶的基本需求，不能出問題。

而非核心功能可以出現異常，但需要保證在一段時間內修復。

非功能需求

非功能需求是指用戶業務不依賴的其它需求，比如性能相關的：要求用戶轉賬在 0.5 秒內完成，但是由于網絡延遲等原因，可以延遲響應至1~2 秒。

由于系統出現此類異常，從而影響了系統的高可用性，但核心流程依然可用，即基本可用性。

5.2 軟狀態

軟狀態是指系統服務可能處于中間狀態，數據在保證一致性的過程中可能延遲同步，但不會影響系統的可用性。

比如我們在購買火車票付款結束之后，就可能處在一個既沒有完全成功，也沒有失敗的中間等待狀態。用戶需要等待系統的數據完全同步以后，才會得到是否購票成功的最終狀態。

BASE 理論認識到，在分布式系統中，狀態可能會隨時間變化而軟化，而不是立即達到一致狀態。

這意味著我們需要容忍一些狀態的不確定性，比如我們在火車票候補排隊時是不確定是否可以候補成功的。

5.3 最終一致性

最終一致性是 BASE 理論的核心思想。它指出，分布式系統可以在一段時間內保持不一致狀態，但最終會收斂到一致狀態。

它不像強一致性那樣，需要分區數據保證實時一致，導致系統數據的同步代價過高。也不像弱一致性那樣，數據更新后不保證數據一致，導致后續的請求只能訪問到老數據。

當前業界的分布式系統，甚至關系數據庫系統的數據，大都是用最終一致性實現的。比如 MySQL 的主從備份，就是在一段時間內通過 binlog 日志和監聽線程讓從庫和主庫的數據保持最終一致。

總的來說，BASE 理論其實就是犧牲了各節點數據的強一致性，允許不同節點的數據在一段時間內不一致，來獲得更高的性能和高可用性。

在單體系統中，數據庫還能通過 ACID 來實現事務的強一致性，但分布式事務需要考慮節點通信的延遲和網絡故障。

所以，BASE 理論是我們在實際的分布式系統中經常使用的方案。