从NoSQL运动谈分布式系统的CAP、BASE理论
NoSQL运动
自从上世纪80年代以降，关系型数据库（即传统的OLTP和OLAP数据库）一直都是后端业务系统的主导，能够满足很多需求。但是，随着数据量的激增、对查询响应要求提升、越来越多非结构化数据泛滥等原因，关系型数据库的领域面临挑战，因此催生了NoSQL（非关系型、not only SQL）运动——这个词在世纪之交才出现，但是NoSQL思想和数据库出现得要早得多。
各式各样的NoSQL数据库在分布式、实时性、可扩展性、Schema-less等方向都取得了突破。下图示出了关系型数据库和NoSQL的区别，以及4种NoSQL存储模式——键值、列族、图和文档。
CAP理论
在分布式系统中，不可能同时满足一致性（consistency）、可用性（availability）、分区容错性（partition tolerance）三大特征，最多只能同时满足其中二者。
那么一致性、可用性、分区容错性分别又是什么含义呢？
一致性
Every read receives the most recent write or an error.
字面意思是说，对于客户端向分布式系统的读请求，要么读到最新的数据，要么失败。也就是说，不管数据如何更新，它在多个副本之间都可以保持精准、立即的同步，所有客户端取得的数据永远是“正确”的。由此可见，CAP中的“一致性”与ACID中的“一致性”虽然不是一个概念，但它仍然指的是最强的一致性。
可用性
Every request receives a (non-error) response, without the guarantee that it contains the most recent write.
字面意思是说，对分布式系统的请求一定会得到非错误的响应，但不保证响应一定包含最新写入的数据。也就是说从客户端的角度看，不会出现向分布式系统发出请求但得不到任何有意义的响应的情况，即系统提供的服务对客户端而言不能宕机，一直都是可用的。
分区容错性
The system continues to operate despite an arbitrary number of messages being dropped (or delayed) by the network between nodes.
字面意思是说，就算分布式系统内部节点之间的通信出了问题（如延迟、丢包），系统仍然能正常运作。这里的“分区”是指网络分区（network partition）——网络中有节点挂掉时，原网络分解为两个或多个子网络的过程。也就是说，系统不会因为内部的网络不可靠就停止服务。
CP/AP的抉择与“CAP+NoSQL铁三角”
很显然，由于一致性、可用性、分区容错性三者只能得其二，所以必须有所取舍。但是，我们考虑的是分布式系统，分布式系统总是由多个节点组成，网络问题几乎必定会出现。所以分区容错性必须要保证，而在一致性和可用性之间做出权衡，即选择CP还是AP的问题。
考虑下面的极简模型：有两个数据中心，它们通过网络进行Replication，即数据在其中一个数据中心发生更改，就会立即通过网络传输到另外一个数据中心。每个客户端同时只能连接到一个数据中心的Application做读写操作。
假设Replication连接断掉了——即产生了网络分区，那么我们只有两种选择。
AP：仍然允许所有客户端读写，但是两个数据中心之间不再同步，它们的数据就会逐渐地变得不同，即牺牲一致性，保证可用性。
CP：只允许连接到一个数据中心上的客户端读写，另外一个停止服务，直到Replication连接恢复，即牺牲可用性，保证一致性。
具体到NoSQL的范畴，我个人把它叫做“CAP+NoSQL铁三角”，如下。
CP/AP的分类是严谨的么？
CAP的定义太狭窄，如：一致性实际上指的是最强的线性一致性（linearizability）；可用性要求所有节点都能做出响应，与real-world可用性差别甚大；分区容错性的真正含义是容忍异步的不可靠网络，名称过于误导。
只考虑了单变量的读写，完全没考虑事务。
除了网络问题之外，没考虑其他很多异常情况，如节点出错、磁盘用尽等，也没有将延迟问题算在内（例如，一般不会认为5分钟才能返回查询结果的系统是“可用”的）。
BASE理论
基本可用（basically available）
软状态（soft state）
最终一致性（eventually consistent）
基本可用
正常情况下，数据库需要在200ms内返回查询结果，但由于故障，使得响应时间延长到了2s，即响应的延迟增加了；
在电商大促高峰（特别是秒杀）时，为了维护整个系统的稳定性，部分订单会不成功，用户会被引导至降级页面，即牺牲部分功能。
软状态
最终一致性
文章不错？点个【在看】吧！ 👇