CAP 定理，只能三选二吗？

发表于 2023-09-10 更新于 2024-06-01 分类于分布式阅读次数：本文字数： 4.6k 阅读时长 ≈ 4 分钟

大家好，我是猿java。

不管你有没有实战过分布式系统，赫赫有名的 CAP 定理一定有所耳闻，今天我们就来聊一聊 CAP 是什么？在分布式系统设计时，CAP 该如何选择？

CAP 由来

CAP 定理：CAP Theorem，又被称作布鲁尔定理（Brewer’s theorem），它是由加州大学伯克利分校教授埃里克·布鲁尔（Eric Brewer）在 2000 年首次提出，主要是关于搜索引擎、分布式 Web 缓存权衡的一个猜想，直到 2002 年，麻省理工学院的赛斯·吉尔伯特（Seth Gilbert）和南希·林奇（Nancy Lynch）才提出和发表对该猜想的正式证明，使之成为分布式计算领域公认的一个定理。

埃里克·布鲁尔：

博士
加州大学伯克利分校教授
Inktomi 联合创始人兼首席科学家

布埃里克·布鲁尔 CAP 定理猜想

https://people.eecs.berkeley.edu/~brewer/cs262b-2004/PODC-keynote.pdf

CAP 定义

如果你仔细研读过埃里克·布鲁尔 CAP 猜想原文，会发现：在原文，作者并没有详细定义 Consistency、Availability、Partition Tolerance 三个词，因此，作为初学者甚至工作多年的小伙伴，因为学习 CAP 资料的不同，对 CAP 的理解也有所差别。

本文对 CAP 的定义基于 Seth Gilbert 和 Nancy Lynch 的 CAP 证明。

Seth Gilbert 和 Nancy Lynch 的 CAP 证明

https://groups.csail.mit.edu/tds/papers/Gilbert/Brewer6.pdf

C：Consistency，一致性

这里的一致性是指强一致性（ Strong Consistency ）或者线性一致性（Linearizable Consistency ），它要求多节点组成的分布式系统，能够像单节点一样，如果一个写操作返回成功，后面所有的读请求都必须能读到这个新数据，如果写操作返回失败，后面所有的读操作都不能读到这个数据。因此，CAP 中的一致性忽略了网络延时，要求分布式系统节点数据的写入能和单机一样即时。

A：Availability，可用性

可用性要求系统提供的服务必须处于 100% 可用的状态，对于用户的每一个操作请求，系统总能够在有限的时间内返回结果。这里强调的可用性是完全可用，不允许任何不可用的情况出现，因此这是一个非常理想的模型。

目前业内的分布式系统根本达不到 100% 的可用性，常见的可用性有：99.99% （俗称 4 个 9），即一年内服务不可用时长有 50 分钟；99.999%（俗称 5 个 9），即一年内服务不可用时长只有 5 分钟，99.9999%（俗称 6 个 9），即一年内服务不可用时长只有 31秒。

P：Partition tolerance，分区容错性

分区指的是在整个分布式系统中，因为各种网络原因，导致系统被分隔成多个独立的部分，它不仅包含通常意义上的网络分区，也包含因网络丢包导致网络不通的情况。因此，分区容错是指当出现网络分区后，系统能够继续“履行职责”。

如下图：因为网络分区，ATM1 成了一个独立的区域，ATM2 和 ATM3 又成了另外一个区域。

CAP 组合

按照 CAP 定理，三个要素中只能取两个，组合如下图：

CA - Consistency/Availability

如下图：账户原余额是 0，在网络状况 ok 时，从 ATM1 存入 $100 ，再从 ATM2 查询余额也是 $100。所以，可以满足 CA。

但是，作为一名程序员，应该很清楚：日常开发中，很多工作都是为了弥补网络异常导致的问题。因此在真实的分布式环境中，网络状况是一个不确定因素，假如忽略网络状况（即忽略 P），只考虑 CA 会出现什么情况？

如下图：账户原余额是 0，当 ATM1 存入 $100 成功后， ATM1 和 ATM2 发生网络分区，为了保证两个 ATM 数据的 C（一致性），ATM 2 需要禁止存款，查询余额等操作，这样 ATM2就不能工作了，和 A（可用性）冲突；

如下图：当 ATM1 存入 $100 成功后， ATM1和 ATM2 发生网络分区，为了保证两个 ATM 系统的 A（可用性），ATM2 就必须提供存款，查询余额等操作，但是 ATM1 存入 $100 的信息还未同步给 ATM2，所以，ATM2查询到的账户余额是 0，余额不足，和 C（一致性）冲突；

因此，分布式系统，理论上是不能选择 CA 架构。

CP - Consistency/Partition tolerance

如下图：账户原余额是 0，当从 ATM1 存入 $100 时发生了网络分区，ATM1 和 ATM2 无法通信，因此，从 ATM1 上存入 $100 的信息无法同步给 ATM2，ATM2 为了保证和 ATM1 数据的一致性，需要拒绝存款或者查询余额等操作，返回 error，这样就牺牲了ATM2 的 A（可用性）。

AP - Availability/Partition tolerance

如下图，账户原余额是 0，当从 ATM1 存入 $100 时发生了网络分区，ATM1 和 ATM2 无法通信，为了保证可用性，ATM 2 必须提供存款，查询余额等操作。注意：尽管 ATM2提供了服务，但是它提供的数据可能是一个错误的，因此牺牲了 C（一致性）。

上文我们用实例分别描述了 CA，CP，AP，因为现实环境中，网络的因素是不可控的，所以在大部分情况下，系统设计都会保留 P 属性，而在 C 和 A 中二选一。但是，在分布式系统的设计中，真的只能三选二吗？

CAP 误区

误区一：* *三选二有误导性**

这里是一个很容易产生误解的地方，很多资料都强调 CAP 只能选择 CP 或者 AP，但是在计算机的世界，并不是非黑即白。

CAP 定理阐明分布式系统只能选择 CP 或 AP，但这里有一个隐藏的前提：那就是系统发生了“分区”。由于分区很少发生，如果系统不存在分区的情况下没有理由牺牲 C 或 A ，CAP 在大多数时候允许完美的 C 和 A。因此，在架构设计时，既要考虑分区发生时选择 CP 还是 AP，也要考虑没有网络分区时如何保证 CA。

误区二：牺牲不等于什么都不做

CAP 定理阐明三个元素只能取两个，需要“牺牲”（sacrificed）另外一个，这里的“牺牲”只是说在分区时无法同时保证 CA，并不是什么都不做。比如：上文提到的 99.99%、99.999% 或 99.9999% 系统，一年内不可用时长不超过 1小时，因此可以在分区期间牺牲 C 或 A，在分区故障解决后，系统又重新恢复到 CA 状态。

误区三：CAP 忽略了网络延时

CAP 定理的强一致性，要求分布式系统和单点系统一样保证数据写入的即时性，忽略了节点间数据复制有网络延时（也就是说，当有数据写入时，数据能够瞬间复制到所有节点）。实际情况下，数据从节点 A 复制到节点 B，需要花费一定的时间。这就意味着，CAP 理论中的 C 在实践中是不可能完美实现的，在数据复制的过程中，节点 A 和节点 B 的数据并不一致。

通过分析几个误区，我们来回答文章标题：CAP 只能三选二吗？

CAP 中阐述只能选择 CP 或者 AP，前提是系统出现了分区，存在误导性，因为分区比较少发生，因此在网络状况良好的，CAP都是可以保证的，在架构设计时，既要考虑分区发生时选择 CP 还是 AP，也要考虑没有网络分区时如何保证 CA。

ACID 和 BASE

分析完 CAP 之后，就不得不提和 CAP 有千丝万缕关系的 ACID 和 BASE。

ACID 是数据库的传统设计思路，CAP 与 ACID 容易产生误解的一个原因是 ACID 和 CAP有相同的 C、A 字母，但是它们所代表的概念却不同。

A：ACID 中的 A 是 Atomicity，原子性。一个事务中的所有操作，要么全部完成，要么全部失败。CAP 中的 A 是可用性。

C：ACID 中的 C 是 Consistency，一致性。指事务不能破坏任何数据库规则，如键的唯一性。与之相比，CAP 的 C 仅指单一副本这个意义上的一致性，因此只是 ACID 一致性约束的一个严格的子集。

I：Isolation，隔离性。正在处理但尚未提交的事务必须与任何其他事务保持隔离。事务隔离分为：读未提交（Read uncommitted）、读提交（read committed）、可重复读（repeatable read）和串行化（Serializable）。隔离是 CAP 定理的核心：如果系统要求 ACID 隔离性，那么它在分区期间最多可以在分区一侧维持操作。事务的可串行性（serializability）要求全局的通信，因此在分区的情况下不能成立。只要在分区恢复时进行补偿，在分区前后保持一个较弱的正确性定义是可行的。

D：Durability，持久性。事务对数据的修改就是永久的，即便系统故障也不会丢失数据。

BASE，它是 “Basically Available, Soft state, Eventually consistent（基本可用、软状态、最终一致性）”的首字母缩写。其中的软状态和最终一致性这两种技巧擅于对付存在分区的场合，提高了可用性。BASE 中的最终一致性其实是对 CAP 强一致性的一个补充。

真实案例

CP 系统

Redis、Google BigTable、Hbase、MongoDB、 MemCacheDB

AP 系统

亚马逊的 DynamoDB、以及衍生物 Apache Cassandra 和 Voldemort

CA 系统

Apache Kafka 是一个比较典型的 CA系统

Kafka 从 0.8 版本之后，引入了 Replication 副本的概念。通过 In-sync-replica（同步数据副本）机制，所有的数据写入都必须在这个领导者节点中记录。另外，通过将数据复制到不同的节点上，从而增强了数据在系统中的持久性（Durability）和可用（Availability）。在 Kafka Replication 的系统设计中，所有的数据日志存储是设计在同一个数据中心（Data Center）里面的，也就是说，在同一个数据中心里网络分区出现的可能性是十分之小的。

总结

CAP 是作者埃里克·布鲁尔的猜想，经过麻省理工学院赛斯·吉尔伯特（Seth Gilbert）和南希·林奇（Nancy Lynch）的证明。CAP 定理是分布式的一个基础理论，它可以开阔设计师的思路，在多样化的取舍方案下设计出多样化的系统。

CAP 定理强调的是强一致性和 100% 服务可用，但是，在真实分布式环境中 100% 可用只能是一种理想的状态。因此，4个9、5个9、6个9 的系统，哪怕它不符合 CAP 定理的可用性，也符合工作中对可用性的要求。CAP 的强一致性，在分布式环境的多个节点间，因为数据同步有网络延时，因此也会存在一段时间的不一致。

CAP 定理断言任何基于网络的数据共享系统，最多只能满足数据一致性、可用性、分区容忍性三要素中的两个要素。但是通过显式处理分区情形，系统设计师可以做到优化数据一致性和可用性，进而取得三者之间的平衡。

百种业务百种架构，在架构设计时，既要考虑分区发生时选择 CP 还是 AP，也要考虑没有网络分区时如何保证 CA。