前言
在分布式系统-缘起中，我们简单描述了分布式系统的概念以及其组成形式等相关知识，这些内容只能帮助我们对分布式系统有一个大体的概念认识。本文将会进一步探索分布式系统，深入分析分布式系统关键特性的学习中。
CAP Theorem
分布式系统给我们带来的好处是显而易见的，例如：让我们从容的应对大并发，使用最少的资源完成计算任务等等。但是任何事物都不是十全十美的，分布式系统也不例外。系统一旦引入分布式架构，故障节点增多、故障发生的频率变高、故障追踪变得更加困难、数据的一致性如何保证等都是一些非常棘手的问题。幸运的是，前人帮我们总结了CAP Theorem，该理论从高层次对分布式系统的特性进行了总结，可以帮助我们在解决分布式系统相关问题时，提供理论支撑和思路。
CAP是Consistency、Availability、Partition tolerance的缩写，并且是分布式系统中核心关注的特性，下面将分别介绍。
- Consistency：是指系统一致性，也就是说系统在任何时候的状态都是一致。以单机系统来说，就是一个强一致的系统，在任何时候系统内部的状态或数据对外部来说都是一致；（系统外部总能读到最新写的结果，或者系统错误） 扩展到分布式系统，就要求在任何时候系统内部的所有系统状态对外部都是一致的。
- Availability：是指系统可用性，从字面上理解就是系统在任何时候都能对外提供服务。同样以单机系统为例，任何时候该系统能够对外提供服务，就表明该系统的可用性很好。(虽然我们知道这种情况不太现实，单机系统的可用性相比分布式系统是很差的) 延伸到分布式系统，当系统内部有部分系统失效后，系统还能够对外部提供服务。
- Partition tolerance：是指分区容错性，是指系统在发生网络分区时还能够对外提供正常的服务。（网络分区有两层意思，第一就是因为网络问题，导致部分机器不可达呈现部分服务挂了；其次就是由于物理机硬件故障导致部分服务挂了） 对于单机系统而言，不存在网络分区问题所以也就不存在分区容错性。但是在分布式系统中，可以认为网络分区是随时存在的，任何硬件资源都是不可靠地，所以不可避免的要为分布式系统设计分区容错性。（这里涉及到一致性和可用性的取舍问题，在后面会细说）
虽然我们分点介绍了CAP，但是如果想正真的理解CAP以及它如何影响分布式系统的关键特性，我们需要将CAP当做一个整体去理解。所以让我们再次从下图中分析CAP以及每个特性之间的相互联系：（图片来源于网络）
从图中我们可以看到CAP的三个特性是相互交叉，且只能两两相交，有效的组合为CA、CP、AP。这是什么意思呢？我们先回顾下，分布式系统组织形式的特点——将单个任务拆分，分配到多台机器执行。这种方式组织系统很容易出现各种各样的故障，比如程序故障、内存不足、硬盘损坏、网络不通。尤其是当系统规模非常大时，这些故障发生的频率就更高了，所以一旦做分布式系统架构下的开发，我们就会假设任何一台服务随时都会挂，这也是为什么分布式系统必定存在网络分区问题的原因，因此必须为分布式系统设计分区容错性的解决方案，这也是我们平时理解的在分布式系统架构下必须考虑CAP理论的P这个特性。
继续思考，为什么分布式系统只能满足AP或CP，而不是满足CAP呢？这个问题我们得回顾一下在分点介绍CAP时，C和A分别代表什么意思。C是一致性，任何时候系统内部状态都是一致的；A表示可用性，任何时候系统都能对外提供服务。因此当在分布式系统中保障分区容错性的前提下，一致性和可用性就成为了一对矛盾体。
如果要保持高可用，即AP，则势必满足不了一致性的特点。举个比较简单的例子帮助大家理解，3台存储服务器对外提供服务，为了满足AP的特性，我们允许其中任意2台服务挂了的情况下，对外还是可以提供服务的。这个时候如果有新的数据写进来，3台服务的状态就不一致了。
同样如果要保持强一致性，即CP，则无法满足高可用的特点。还是拿同一个例子帮助大家理解，3台存储服务器对外提供服务，为了满足CP的特性，一旦有一台服务挂了，则整个系统是无法对外提供服务的，因为继续提供服务会导致系统内部3台服务之间的状态不一致。
到此，我们从理论上分析了分布式系统为什么只能满足AP或CP的原因。但实际项目中是这么的绝对吗？答案是否定的，我们在设计实际的分布式系统时，CAP三个特性都会考虑，只不过根据具体的业务场景，我们会选择偏向AP或者CP的系统。比如我们非常重视数据的一致性，那么在设计时，我们可以允许在少部分服务挂了的时候还是可以对外提供服务，只要满足大部分服务的状态是一致的就可以了，例如Zookeeper在写数据时，只要大部分节点可以执行写操作，则系统就可以对外提供服务。同样如果我们非常重视可用性，允许数据的不一致，那么只要系统中有可用的服务就可以对外提供服务，例如Redis在写数据时，只要求在主节点写成功，至于从节点与主节点数据状态是否一致并不是那么重要。
最后还剩一个CA我们没有讨论，因为这种组合是单机系统的关键特性，原因很简单，单机系统对外提供服务时，内部状态肯定是一致的。而如果单机系统无法对外提供服务时，也不存在其他途径去更改系统内部的状态。并且单机系统是不存在网络分区这个问题的，所以也不需要考虑分区容错性的问题。
BASE Theorem
理解了CAP理论后，我们可以快速过一下其延伸，BASE理论。BASE理论就是CAP理论中AP系统的延伸，具体特性如下：
- Basic Availability：基本可用性，表示只要系统核心服务没有出问题，就能对外提供服务。至于非核心的服务挂了以后要求不能影响核心业务对外提供服务。
- Soft State：软状态，表示系统允许用户读到部分中间状态的数据，也就是说发生多写时，读的用户可能读到中间某个写的结果，比如秒杀系统，有些用户刷新时，显示库存为50，但实际可能已经卖光了
- Eventually Consistency：最终一致性，表示系统随着时间的推移，最终会趋于同一状态，比如秒杀系统，当你查到库存50，点击购买时，会告诉你已售罄，当你再次刷新系统时，就会显示库存为0
BASE Theorem在网上的资料不是很多，但是其本质就是CAP理论中AP系统的延伸，在容忍一定数据不一致的情况下，尽量保证系统的可用性。这也是大部分互联网公司设计系统时考虑的重点。
结语
分布式系统可以帮助我们解决很多单机无法解决的问题，同时也提高了我们对计算机的资源利用率。但是在设计分布式系统时，不可避免会遇到各种各样的故障问题，如何去规避这些故障、或者在故障发生后如何保障系统继续正常使用，是一个巨大的挑战。幸运的是，我们有前人总结的CAP Theorem保驾护航，我们只需要思考，在保障系统分区容错性的前提下，如何去衡量系统的一致性和可用性，并以此为依据设计出合理的分布式系统。
欢迎大家在评论区讨论各种分布式系统相关的内容。