CAP原理及分布式一致性算法

缺乏、安全感 2022-05-12 02:28 287阅读 0赞

# 一、[CAP原理][CAP] #

![这里写图片描述][70]  
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。  
**(1)一致性（Consistency）**  
一致性（Consistency），说的是每一个更新成功后，分布式系统中的所有节点，都能读到最新的信息。即所有节点相当于访问同一份内容，这样的系统就被认为是强一致性的。

**(2)可用性（Availability）**  
可用性（Availability），是每一个请求，都能得到响应。请求只需要在一定时间内返回即可，结果可以是成功或者失败，也不需要确保返回的是最新版本的信息。

**(3)分区容错性（Partition tolerance）**  
分区容错性（Partition tolerance），是说在网络中断，消息丢失的情况下，系统照样能够工作。这里的网络分区是指由于某种原因，网络被分成若干个孤立的区域，而区域之间互不相通

# 二、[分布式一致性算法][Link 1] #

**(1)Raxos 算法（少数服从多数）**  
解决的问题：在一个可能发生异常的分布式系统中如何就某个值达成一致，让整个集群的节点对某个值的变更达成一致

任何一个节点都可以提出要修改某个数据的提案,是否通过这个提案取决于这个集群中是否有超过半数的节点同意（所以节点数总是单数）—— 版本标记。虽然一致性，但是只能对一个操作进行操作啊

当一个Server接收到比当前版本号小的提案时，则拒绝。当收到比当前大的版本号的提案时，则锁定资源，进行修改，返回OK. 也就是说收到超过一半的最大版本的提案才算成功。

**(2)Raft 算法（少数服从多数）**  
Raft 算法也是一种少数服从多数的算法，在任何时候一个服务器可以扮演以下角色之一：

Leader：负责 Client 交互 和 log 复制，同一时刻系统中最多存在一个

Follower：被动响应请求 RPC，从不主动发起请求 RPC

Candidate : 由Follower 向Leader转换的中间状态

[CAP]: http://www.ruanyifeng.com/blog/2018/07/cap.html
[70]: /images/20220512/76d11274b51b492db3f8b031fb9ef268.png
[Link 1]: https://blog.csdn.net/followmyinclinations/article/details/52870418