在面試環節，經常會問CAP、BASE等相關的分散式理論，其實這些名詞主要還是來自於分散式的一致性，今天主要介紹分散式一致性：強一致性、最終一致性、ACID、CAP等理論。

分散式一致性的背景

隨著分散式事務的出現，傳統的單機事務模型（ACID）已經無法勝任，尤其是對於一個高訪問量、高併發的網際網路分散式系統來說。

如果我們要求嚴格一致性，很可能就需要犧牲掉系統的可用性，反之亦然。

如何構建一個兼顧可用性和一致性的分散式系統成為了無數Java工程師探討的難題。

資料一致性的由來

一致性（Consistency）一直是分散式系統裡一個很重要的話題。

在儲存系統中，為了避免資料丟失，我們都會對資料進行持久化。

對資料進行持久化可以避免當機帶來的資料丟失問題，但是不能解決單機永久性故障的問題。儲存系統作為基礎設施，在單機上持久化是遠遠不夠的，我們需要將資料複製到多臺機器上以提升系統的可用性和可靠性。

一旦資料被複制到多個節點，那麼就產生了一致性的問題。

分散式資料一致性的級別

1、強一致性

是最強的一致性模型，要求任何讀取操作都能讀取到最新的值，換句話說，要求任何寫入操作立即同步給所有程式。

2、弱一致性

這種一致性級別約束了系統在寫入成功後，不承諾立即可以讀到寫入的值，也不久承諾多久之後資料能夠達到一致，但會盡可能地保證到某個時間級別（比如秒級別）後，資料能夠達到一致狀態。

3、最終一致性

最終一致性是弱一致性的一個特例，系統會保證在一定時間內，能夠達到一個資料一致的狀態。

這裡之所以將最終一致性單獨提出來，是因為它是弱一致性中非常推崇的一種一致性模型，也是業界在大型分散式系統的資料一致性上比較推崇的模型。

一致性相關的理論

關係式資料庫ACID

ACID是資料庫（MySQL）事務正確執行所必須滿足的四個特性的首字母縮寫。

1.Atomicity（原子性）

一個事務的所有操作，要麼全部完成，要麼全部不完成。

所謂事務，是指由一系列資料操作所組成的完整邏輯過程。比如銀行轉賬事務由兩個操作組成：從源賬戶扣除金額，以及向目標賬戶增加金額。

2.Consistency（一致性）

指事務開始之前和事務結束之後，資料的完整性約束沒有被破壞。

包含兩層含義：

a)資料庫機制層面，事務執行前後，資料能符合設定的約束，如唯一約束、外來鍵約束；

b)業務層面，由應用開發人員保證業務一致性。還是以銀行轉賬為例，A、B兩個賬號，轉賬之前和之後，A、B兩個賬號餘額總額必須一致。

3.Isolation（隔離性）

資料庫能夠防止由於多個併發事務交叉執行而導致資料的不一致。

4.Durability（永續性）

指事務結束後，對資料的修改是永久的，不會回滾到之前的狀態。

CAP理論

在分散式系統中，也有類似資料庫ACID的特性，那就是CAP，他們分別是：

1.Consistency 一致性

強調進群節點中資料一致。在分散式中一致性又包括強一致性和弱一致性，強一致性就是指在任何時刻任何節點看到的資料都是一樣的；

弱一致性一般實現是最終一致性，即剛開始可能存在差異，但隨著時間的推移，最終資料保持一致。

2.Availability 可用性

強調叢集在任何時間內都正常使用

3.Partition Tolerance 分割槽容錯性

即使某一部分叢集壞掉，另一部分仍能正常工作。

這三個特性只能滿足其中兩個，犧牲另一個。大部分系統也都是如此：

一般來說分散式叢集都會保證P優先，即叢集部分節點壞死不影響整個叢集的使用，然後再去追求C和A。因為如果放棄P——分割槽可用性，那不如就直接使用多個傳統資料庫了。事實上，很多微服務分庫分表就是這個道理。

如果追求強一致性，那麼勢必會導致可用性下降。比如在Master-Slave的場景中，Master負責資料寫入，然後分發給各個節點，所有節點都寫入成功，才算寫入，這樣保證了強一致性，但是延遲也會隨之增加，導致可用性降低。

因此在可用性和一致性之間，就出現了各種解決方案，如時序一致性、最終一致性等等。

BASE理論

BASE理論是對CAP理論的延伸,核心思想是即使無法做到強一致性(Strong Consistency,CAP的一致性就是強一致性),但應用可以採用適合的方式達到最終一致性(Eventual Consitency)。

BASE是指基本可用(Basically Available)、軟狀態( Soft State)、最終一致性( Eventual Consistency)。

1.基本可用(Basically Available)

基本可用是指分散式系統在出現故障的時候,允許損失部分可用性,即保證核心可用。

電商大促時,為了應對訪問量激增,部分使用者可能會被引導到降級頁面,服務層也可能只提供降級服務，這就是損失部分可用性的體現。

2.軟狀態( Soft State)

軟狀態是指允許系統存在中間狀態,而該中間狀態不會影響系統整體可用性。

分散式儲存中一般一份資料至少會有三個副本,允許不同節點間副本同步的延時就是軟狀態的體現。mysql replication的非同步複製也是一種體現。

3.最終一致性( Eventual Consistency)

最終一致性是指系統中的所有資料副本經過一定時間後,最終能夠達到一致的狀態。

弱一致性和強一致性相反,最終一致性是弱一致性的一種特殊情況。

BASE和ACID代表兩種截然相反的設計理念，ACID注重一致性，是傳統關係型資料庫（MySQL）的設計思路，BASE關注高可用性。

當今大規模、跨資料中心的分散式系統（如雲端計算）大多同時採用這兩種設計理念，並在兩者之間尋求平衡。

以上就是分散式一致性理論的介紹，更多分散式架構設計：Redis快取、Dubbo、Kafka、秒殺專題，請參考往期博文：阿里架構師進階23期精講：Redis、Kafka、Dubbo、Docker等。歡迎留言交流，專用於學習交流技術、分享面試機會，拒絕廣告，我也會在群內不定期答題、探討。

覺得有用請點贊支援。