当前位置：首页 > news >正文

MySQL进阶-8-集群架构与实践5

news 2026/4/13 18:08:49

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

文章目录

前言
1. CAP理论
2. BASE理论
复制环境管理命令
总结

前言

1. CAP理论

CAP理论也称为布鲁尔定理（Brewer’s theorem），是由计算机科学家埃⾥克·布鲁尔（EricBrewer）在2000年提出的⼀个理论，⽤来描述分布式系统在设计时必须做出的三个关键需求之间的权衡：
• ⼀致性（Consistency）：在分布式系统中，⼀致性指的是数据在多个节点之间是否保持同步。在⼀致性要求下，任何写操作完成后，所有后续的读操作都应该返回最新的值。
• 可⽤性（Availability）：可⽤性指的是系统在任何时候都能够响应⽤⼾的请求(在合理的时间内返回⼀个合理的值)。即使某些节点发⽣故障，系统仍然能够继续提供服务。
• 分区容错性（Partition tolerance）：分区容错性是指系统在遇到⽹络分区（即节点之间的通信失败）的情况下，仍然能够继续运⾏。这是分布式系统中的⼀个基本要求，因为⽹络问题在分布式系统中是不可避免的。

核⼼观点
• 在分布式系统中，系统间的⽹络不能100%保证健康，⼀定会有故障的时候，⽽服务有必须对外保证服务。因此分区容错性Partition Tolerance必须得到保证。
• CAP理论的核⼼观点是，⼀个分布式系统不可能同时满⾜⼀致性、可⽤性和分区容错性这三个需求，只能保证三者中的两个，另外⼀个必须牺牲。

CA系统
• 同时保证CA是假设⽹络不会出现问题的情况下，但现实是⽹络100%会出现问题，所以在必须要保证P的情况下，要么选择CP，要么选择AP，因为此时CA⽆法同时满⾜。

CP系统
• 如果系统保证分区容错性，那么必须在⼀致性和可⽤性之间做出选择。在⽹络分区发⽣时，系统选择牺牲可⽤性，从⽽保证⼀致性。例如，拒绝服务直到⽹络修复数据同步完成再恢复服务，此时系统可⽤性受到影响。
• CP系统保证⼀致性，当发⽣分区现象后，Node1节点上的数据已经更新成了2，但由于Node1和Node2之间的复制通道中断，数据2⽆法同步到Node2节点，Node2上的数据还是1。
• 这时客⼾端访问Node2时，Node2需要返回Error，提⽰客⼾端"系统错误"，这种处理⽅式没有满⾜可⽤性(Availability)的要求，因⽐在CAP三者中只能满⾜CP。

对⼀致性要求⾼的场景：银⾏系统、⽀付系统等⾦融⾏业和电⼦商务平台

AP系统
• 如果系统保证分区容错性和⾼可⽤性，那么必须牺牲⼀致性，返回给客⼾端⼀个合理的值。这种系统可能会允许数据在不同节点间暂时出现不⼀致，但最终会通过⼀些机制（如异步复制）来达到最终⼀致性。
• AP系统保证可⽤性，当发⽣分区现象后，Node1节点上的数据已经更新成了2，但由于Node1和Node2之间的复制通道中断，数据2⽆法同步到Node2节点，Node2上的数据还是1。
• 这时客⼾端访问Node2时，Node2把当前的数据1返回给了客⼾端，⽽实际上当前最新的数据已经是2了，这种处理⽅式没有满⾜⼀致性(Consistency)的要求，因⽐在CAP三者中只能满⾜AP。

注意：这个场景中Node2节点返回的1，虽然不是⼀个"正确"的结果，但是⼀个"合理"的结果，因为1只是旧数据，并不是⼀个错的值。
❤️ 对可⽤性要求⾼的场景：积分系统、内容分享和数据分析等在线游戏平台和社交媒体平台

2. BASE理论

BASE理论是分布式系统设计中的⼀个重要概念，它提供了⼀种在CAP理论框架下权衡⼀致性和可⽤性的⽅法。
• 核⼼思想是：在分布式系统中，由于⽹络分区和其他因素，强⼀致性可能难以实现，因此系统设计可以允许数据在⼀段时间内不⼀致，但最终达到⼀致状态。
• BASE理论包含三个核⼼概念：
◦ 基本可⽤：分布式系统在出现故障时，尽管可能⽆法提供完整的服务，但仍然能够提供核⼼功能，从⽽保持系统的基本运⾏。
◦ 软状态（Soft state）：系统中的数据可以存在中间状态，这种状态不会影响系统的整体可⽤性。⽐如分布式系统中不同节点的数据可能会暂时不⼀致，这种不⼀致的状态被接受为软状态。
◦ 最终⼀致性（Eventually consistent）：最终⼀致性强调的是，经过⼀段时间后，系统中所有数据最终会达到⼀致状态。