PACELC 基于 CAP 理论演进而来

CAP 理论是一个分布式系统中老生常谈的理论了：

  • C（Consistency）：一致性，所有节点在同一时间的数据完全一致。
  • A（Availability）：可用性，服务一直可用。
  • P（Partition tolerance）：分区容错性，遇到某节点或网络分区故障的时候，仍然能够对外提供满足一致性和可用性的服务

三者根本无法同时满足，只要出现了网络分区，一致性就无法满足，因为节点之间无法互通。如果强行满足一致性，就必须停止服务运行，从而放弃可用性。所以，最多满足两个条件，并有下面几种情况：

（1）CA

满足一致性和可用，放弃分区容错。此时已经变成了单机系统，谈不上是分布式系统了。对于分布式系统而言，分区容错性是一个最基本的要求，因为分布式系统中的组件必然需要部署到不通的节点，必然会出现子网络，在分布式系统中，网络问题是必定会出现的异常。因此分布式系统只能在C（一致性）和A（可用性）之间进行权衡。放弃分区容错性，比较简单的方式就是把所有的数据都放在一个分布式节点上。那不就又成为了单机应用了吗？

（2）CP

满足一致性和分区容错，也就是说，要放弃可用。当系统被分区，为了保证一致性，必须放弃可用性，让服务停用。

放弃可用性，一旦出现网络故障，受到影响的服务需要再等待一定时间，因为系统处于不可用的状态。

（3）AP

满足可用性和分区容错，当出现分区，同时为了保证可用性，必须让节点继续对外服务，这样必然导致失去一致性。

放弃一致性，这里所指的一致性是强一致性，但是确保最终一致性。是很多分布式系统的选择。

PACELC 理论

如上所示，CAP理论告诉我们：在系统设计中，这三点只能取其二，一般的分布式系统要求必须有分区容错性。剩下的只能从 C 或者 A 中取舍。但是这个理论并不能很好地应用于实际，首先， A 中是有一定争议的，很长时间才返回，虽然可用，但是业务上可能不能接受。并且，系统大部分时间下，分区都是平稳运行的，并不会出错，在这种情况下，系统设计要均衡的其实是延迟与数据一致性的问题，为了保证数据一致性，写入与读取的延迟就会增高。这就引出了 PACELC 理论。

在出现分区错误的情况下，取前半部分 PAC，理论和 CAP 内容一致。没有出现分区错误的情况下（PACELC 中的 E 代表 Else），取 LC，也就是 Latency（延迟）与 Consistency（一致性）。

PACELC.png

现在，其实很多存储，都已经实现了不同的 PACELC 的兼顾策略，并且交由用户配置去灵活根据不同业务场景使用不同的策略。例如：ElasticSearch使用了在写操作上存在Latency和Consistency之间的取舍。

es.png

例如在ElasticSearch中写数据过程中，需要将数据同步给其他副本。假设有两个副本，R1，R2。同步R1完成需要10ms时间，同步R2完成需要20ms时间，假设如果要完成一致性，我们需要等待20ms（ES数据同步是批量发生的）。但是，ElasticSearch采取的策略不是等待所有副本完成数据同步后才返回写操作成功，其采取的策略是，如果主副本写入成功，部分副本同步失败也认为整体成功（同步失败原因可能因为超时未响应，也可能是副本存在故障）。可以明显看出，ElasticSearch作为一款高性能的搜索引擎，在时延（Latency）和一致性（Consistency）上做了取舍。

标签: none

添加新评论