用Python玩转数据科学编程
|
Cap的权衡 通过CAP理论我们可以无法同时满足一致性、可用性和分区容错性这三个特性，那么我们需要怎么权衡呢? 选择CA放弃 P 这种情况的话在分布式系统中基本是不可能存在的。因为在分布式环境下分区是必然的，如果我们要舍弃P就意味着我们要舍弃分布式系统，所以也就没必要再来讨论CAP理论了， 选择CP放弃A 一个分布式系统如果不能做到可用性，经常宕机或者停止提供服务的话，这样的话用户体验是非常差的，就像曾经的“微盟删库事件”，只有等到所有的数据都被找回来才会继续对外提供服务，这期间停机多久，给商家造成了的多大的损失。我们常见的CP分布式系统有分布式数据库(redis)等，以及Zookeeper等都是优先保证数据的强一致性，来舍弃系统的可用性。 放弃AP放弃C 如果要保证高可用并允许分区，则需要放弃一致性。一旦网络问题发生，节点之间可能会失去联系。为了保证高可用，需要在用户访问时可以马上得到返回，则每个节点只能用本地数据提供服务，而这样会导致全局数据的不一致性。现如今应该大多数场景都是会选择可用性，而去牺牲一致性(保持最终一致性)，就像我们春节抢红包的时候，它不会立马告诉你抢了多少金额，只是提示你过多久再去查看。以及我们春节抢票的时候，明明看到这辆高铁还是邮票的但是等你填完验证码，以及乘客信息真正提交订单的时候就告诉你没票了，你再返回列表页查看该车次的时候，也还继续显示着有票 。这些虽然用户体验有那么一丢丢的不友好，但是也能接受。 小结
CAP的选择的话没有哪种更好，只有根据自己的业务场景来选择，选择适合自己的才是最好的。 引言 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：
根据定理，分布式系统只能满足三项中的两项而不可能满足全部三项。理解CAP理论的最简单方式是想象两个节点分处分区两侧。允许至少一个节点更新状态会导致数据不一致，即丧失了C性质。如果为了保证数据一致性，将分区一侧的节点设置为不可用，那么又丧失了A性质。除非两个节点可以互相通信，才能既保证C又保证A，这又会导致丧失P性质。 这个定义读下来是不是让人看的一脸懵逼，多读几遍是不是又会觉得有那么点明白了。CAP 理论听起来十分抽象，本文尝试以生活中的例子并用通俗易懂的语言来解释 CAP 理论的含义。
CAP小故事 （编辑：鞍山站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
