引言

上一節(jié)講面試中被問到分布式系統(tǒng)概念相關(guān)的，講完了分布式系統(tǒng)的概念，優(yōu)點(diǎn)缺點(diǎn)和 RPC 后，我以為這個問題就到此結(jié)束了，沒想到成功給自己挖了個坑（微笑臉），關(guān)于 CAP，以前只是聽說過，并沒有詳細(xì)點(diǎn)整理過，這一次問好好整理了下。

CAP 問題已經(jīng)成了計算機(jī)科學(xué)中一個研究領(lǐng)域，之前說到分布式系統(tǒng)有哪些優(yōu)勢時講到三個提升：

1. 系統(tǒng)可用性提升。

2. 系統(tǒng)并發(fā)能力提升。

3. 系統(tǒng)容錯能力提升。

那么這三方面在實施起來可以同時滿足嗎？答案是不能，設(shè)計分布式系統(tǒng)的時候，設(shè)計者需要理解一個重要的理論概念，CAP 定理。

1、面試官，說到 CAP 定理，那能詳細(xì)說說 CAP 分別代表什么嗎？

問題分析：一個很經(jīng)典的概念性面試題。

答：關(guān)于 CAP，它是 2000 年 7 月，加州大學(xué)伯克利分校的 Eric Brewer 教授在 ACM PODC 會議上提出 CAP 猜想。2 年后，麻省理工學(xué)院的 Seth Gilbert 和 Nancy Lynch 從理論上證明了 CAP。之后，CAP 理論正式成為分布式計算領(lǐng)域的公認(rèn)定理。

C 的全拼是 Consistency，代表 一致性的意思。

A 的全拼是 Availability，代表 可用性的意思。

P 的全拼是 Partition tolerance，代表 分區(qū)容錯性的意思。

2、面試官：聽起來很簡單，這只是概念，但是具體是什么意思呢？

問題分析：下次這種問題不能等面試官來問了，這面試有點(diǎn)擠牙膏的感覺，不如我一次說完，讓面試官閉嘴。

答：一個分布式系統(tǒng)最多同時滿足一致性 (Consistency)，可用性 (Availability) 和分區(qū)容忍性 (Partition Tolerance) 這三項中的兩項。

• 同時滿足一致性（C）和可用性（A）就要犧牲掉容錯性（P）
• 同時滿足可用性（A）和分區(qū)容錯性（P）就要犧牲掉一致性（C）
• 同時滿足一致性（C）和分區(qū)容錯性（P）就要犧牲掉可用性（A）

 （開始拿起紙筆畫了三個圈圈）

這三個象限，只能同時滿足其中兩個圓圈的交集。

面試官：行了行了，這個理論性的問題就到這，時間有限，我們聊點(diǎn)別的。

舉例深入分析

 用 Redis Cluster 高可用架構(gòu)舉例：Redis 就能會將數(shù)據(jù)分片到多個實例 (按照 slot 存儲) 中，即一個機(jī)房分擔(dān)一部分?jǐn)?shù)據(jù)。Master 負(fù)責(zé)寫，Master 會自動同步到 Slave。

 Redis 去中心集群架構(gòu)優(yōu)點(diǎn)：

1. 無中心架構(gòu)：三機(jī)房部署，其中一主一從構(gòu)成一個分片，之間通過異步復(fù)制同步數(shù)據(jù)，異步復(fù)制存在數(shù)據(jù)不一致的時間窗口，保證高性能的同時犧牲了部分一致性。一旦某個機(jī)房掉線，則分片上位于另一個機(jī)房的 slave 會被提升為 master 從而可以繼續(xù)提供服務(wù)。

2. 可擴(kuò)展性：可線性擴(kuò)展到 1000 多個節(jié)點(diǎn)，節(jié)點(diǎn)可動態(tài)添加或刪除。

3. 降低運(yùn)維成本，提高系統(tǒng)的擴(kuò)展性和可用性。

分析，這個分布式架構(gòu)中滿足了 CAP 中哪個兩個定理？

優(yōu)點(diǎn) 1 中講到，三機(jī)房部署，每個機(jī)房有一主一從，即一個 Master 對應(yīng)一個 Slave ，但是你會發(fā)現(xiàn)，機(jī)房 1 中的 Master 1 連接的 Slave 在機(jī)房 2，機(jī)房 2 中的 Master 2 連接的 Slave 在機(jī)房 3，機(jī)房 3 中的 Master 3 連接的 Slave 在機(jī)房 1，這樣構(gòu)成一個環(huán)，為什么要這樣設(shè)計？

假設(shè)：機(jī)房斷電 or 火災(zāi) or 其他各種原因，反正就是機(jī)房 1 所有機(jī)器都不能用了。

這個時候那機(jī)房 1 的全部數(shù)據(jù)都不能訪問了嗎？這顯然是我們不希望的。前面已經(jīng)說了 Master 負(fù)責(zé)寫，Master 會自動同步到 Slave，如果 Master 寫服務(wù)宕機(jī)，Slave 讀服務(wù)會被提升為 Master ，也就是說機(jī)房 1 的數(shù)據(jù)在機(jī)房 2 的 Slave2 上還有備份，數(shù)據(jù)還在，在宕機(jī)的 Master 沒有恢復(fù)前 Slave 要同時承擔(dān)讀寫服務(wù)，雖然累一點(diǎn)，但是還能用，這樣設(shè)計是為了提高可用性（A），和容錯性（P）。系統(tǒng)準(zhǔn)許你一臺機(jī)器或者整個機(jī)房都宕機(jī)，系統(tǒng)仍然能用。

但是你會發(fā)現(xiàn)，單個機(jī)房如果距離很遠(yuǎn)， Master 1 的數(shù)據(jù)同步到 Slave2 上是跨機(jī)房，跨機(jī)房同步肯定不如同機(jī)房塊，這樣一來 Slave2 負(fù)責(zé)的讀就會有延遲，Master1 要更新的數(shù)據(jù)還沒有同步到他在另一個機(jī)房的備份前，讀操作就是不一致的，這樣設(shè)計顯然是犧牲掉一致性（C）。相信這樣分析應(yīng)該能理解 CAP 定理了。

進(jìn)一步分析：

讓同一組 Master - Slave 放在一個機(jī)房，同機(jī)房復(fù)制數(shù)據(jù)不是更快？這樣能不能解決數(shù)據(jù)一致（C）問題，答案是能，還有更好的解決一致性的辦法就是不要 Master - Slave 組合，就一臺機(jī)器，一臺機(jī)器同時擔(dān)任讀寫請求，沒有延遲不存在數(shù)據(jù)一致性問題。這是時候如果宕機(jī)了怎么辦？這樣的架構(gòu)下，那就真的是不可用了，解決了一致性（C）卻犧牲了可用性（A）和容錯性（P），太不劃算了。

 總之，分布式系統(tǒng)下，CAP 確實無法同時滿足，在 Redis 去中心集群架構(gòu)中，最優(yōu)的解決方案還是滿足可用性（A）和分區(qū)容錯性（P）就要犧牲掉一致性（C），即使跨機(jī)房同步數(shù)據(jù)，延遲也不過 1s，數(shù)據(jù)不一致的問題只出現(xiàn)在 1s 內(nèi)，日常開發(fā)中，很少遇到要求強(qiáng)一致性的場景。例如訂單系統(tǒng)，用戶更新了訂單支付狀態(tài)，讀訂單狀態(tài)是在從庫，有什么讀場景等不來這一秒？

如果真的必須要求強(qiáng)一致性，那可能就必須調(diào)整分布式架構(gòu)方案來。

 總結(jié)

本文主要講解了 CAP 定理的概念，為什么要學(xué)習(xí)這個概念，設(shè)計高可用分布式系統(tǒng)時，你必須知道系統(tǒng)的短處，懂得 CAP 能讓你根據(jù)實際情況有舍有得。面試會被經(jīng)常問到，比如，你說你使用了消息隊列，解決了系統(tǒng)耦合問題，提高了響應(yīng)速度，那面試官問題：使用消息隊列有啥缺點(diǎn)？如果你知道 CAP 定理這個問題還難嗎？

顯然消息的延遲會帶來數(shù)據(jù)不一致問題。理想情況下消息不丟失那數(shù)據(jù)會最終一致，你能保證消息不丟失嗎？如何解決機(jī)問題，如果是我，我會選擇 “最終一致性”，就是說不管消息延遲多久甚至丟失，設(shè)計一個離線定時任務(wù)，定期去掃描兩個系統(tǒng)的數(shù)據(jù)，有不一致的情況就主動刷新同步，這樣保證最終一致。

以上就是java分布式面試CAP分別代表含義分析的詳細(xì)內(nèi)容，更多關(guān)于java分布式面試CAP含義的資料請關(guān)注腳本之家其它相關(guān)文章！

最新評論