FLP、CAP和BASE

FLP不可能原理

FLP定理

FLP Impossibility（FLP 不可能性）是分布式领域中一个非常著名的定理，定理的论文是由 Fischer, Lynch and Patterson 三位作者于1985年发表

It is impossible to have a deterministic protocol that solves consensus in a message-passing asynchronous system in which at most one process may fail by crashing

FLP的三大限定条件

确定性协议

Deterministic protocol，给定一个输入，一定会产生相同的输出

异步网络通信

同步通信：同时在线，允许超时

异步通信：没有统一时钟、不能时间同步、不能使用超时、不能探测失败、消息可任意延迟、消息可乱序

所有存活节点

所有存活的节点必须最终达到一致性

FLP的不可能三角

Safety：系统中非故障节点达成了一致和合法的共识，又称Agreement

Liveness：系统中非故障节点在有限的时间内能够达成共识，又称Termination

Fault Tolerance：协议必须在节点故障的时候同样有效

SL系统：为了达成一致性，不允许节点失败

SF系统：为了保证Safety，需要无限等待，因此无法保证Liveness

LF系统：为了保证Liveness，不能无限等待，因此无法保证Safety

Paxos违背了FLP吗？

CAP定理

CAP定理

CAP 定理（CAP theorem）又被称作布鲁尔定理（Brewer‘s theorem），是加州大学伯克利分校的计算机科学家埃里克·布鲁尔（Eric Brewer）在2000年的 ACM PODC 上提出的一个猜想

2002年，麻省理工学院的赛斯·吉尔伯特（Seth Gilbert）和南希·林奇（Nancy Lynch）发表了布鲁尔猜想的证明，使之成为分布式计算领域公认的一个定理。对于设计分布式系统的架构师来说，CAP 是必须掌握的理论

It is impossible for a distributed data store to simultaneously provide more than two out of the following three guarantees: Consistency, Availability, Partition tolerance

分布式数据存储系统不可能同时满足一致性、可用性和分区容忍性

CAP的不可能三角

一致性：每次读取操作都会读取到最新写入的数据，或者返回错误

可用性：每次请求都会得到非错请求，但不保证返回最新的数据

分区容错性：系统在发生分区的时候继续提供服务

CA：为了达成数据一致性和系统可用性，不允许分区

CP：系统分区的时候保证一致性，到无法保证可用性

AP：系统分区的时候保证可用性，但无法保证数据一致性

CAP的三大限定条件

分布式

分布式，可能发生网络分区

数据存储

通过复制来实现数据共享的存储系统

同时满足

同时满足CAP

CAP细节

复制延迟

理论上：CAP是忽略网络延迟的

工程落地：PACELC猜想（Partition -> Availability, Consistency, Else -> Latency, Consistency.）

描述粒度

CAP关注的是单个数据，不是整个系统，系统数据可以有的符合CP，有的符合AP

更多

正常情况下，可以满足CA，但是实际上有很小的时延

放弃!=无为，需要为分区恢复后的数据恢复和业务恢复做好准备

CAP的CA和ACID的CA定义完全不同，两者适应的领域也不同

BASE理论

BASE 是指基本可用（Basically Available）、软状态（ Soft State）、最终一致性（ Eventual Consistency），核心思想是即使无法做到强一致性（CAP 的一致性就是强一致性），但应用可以采用适合的方式达到最终一致性

Basically Available：读写操作尽可能的可用，但写操作在冲突的时候可能丢失结果，读操作可能读取到旧的值

Soft State：没有一致性的保证，允许系统存在中间状态，而该中间状态不会影响系统整体可用性，这里的中间状态就是CAP 理论中的数据不一致

Eventually Consistency：如果系统运行正常且等待足够长的时间，系统最终将达成一致性的状态

Eventual & Strong Consistency

BASE与CAP

BASE/CAP/FLP 落地