CAP 定理：它是什么以及对您意味着什么

已发表: 2022-11-18

在计算中，CAP 定理，也称为 Brewer 定理，指出分布式数据存储不可能同时提供以下三种保证中的两种以上：一致性：每次读取都会收到最近的写入或错误可用性：每个请求都会收到一个（非错误）响应——但不能保证它包含最新的写入分区容限：尽管节点之间的网络丢弃（或延迟）了任意数量的消息，但系统仍继续运行换句话说， CAP 定理指出，分布式数据存储只能提供以下三种保证中的两种：一致性、可用性或分区容错性。

根据 CAP 定理，系统设计人员了解网络共享数据系统设计中的权衡。本书从需求的角度讨论了 NoSQL 数据库的基础知识。根据 CAP 定理，我们只能获得数据库三个保证中的三分之二：一致性、可用性和分区容错性。分区是分布式系统中节点之间的通信中断。如果一个节点无法从系统内的另一个节点接收到任何消息，它将在两个节点之间分配。一旦分区痊愈，保证分区容错性的分布式系统就可以优雅地恢复到之前的状态。设计人员在设计或选择分布式数据库时必须考虑 CAP 定理。

CAP定理将MongoDB中的两个系统定义为CP和AP。 CAP 定理呈现了当今分布式系统（例如 MongoDB 和 Cassandra）的简化视图。正常操作允许灵活的可用性和一致性，以及满足特定要求的能力。

CAP 定理 (CP) 是一个数学定理，可以使用 MongoDB 和其他类似应用程序研究其应用。它经常用于实时应用程序中以在多个位置运行并处理大量数据。 CAP 定理指出 MongoDB 是一种 CP 数据存储，它通过保持一致性同时牺牲可用性来管理网络分区。

Nosql中的上限定理是什么？

说到NoSQL，一致性和高可用是无法同时实现的。 Brewer 首先在 CAP 定理中陈述了这一点。 CAP 定理或 Eric Brewers 定理指出，数据库只能实现三个保证中的两个：一致性、可用性和一致性。

当谈到分布式数据存储时，CAP 定理由三个部分组成。正常操作会导致所有三个功能都由您的数据存储执行。但是，根据 CAP 定理，当分布式数据库遇到网络困难时，您可以提供一致性或可用性。结果喜忧参半。一种数据库类型，比如 NoSQL 或非面向，是否能够支持高可用性或高一致性是选择时要考虑的一个重要因素。当必须以精确的方式返回数据时，使用一致的数据库至关重要。银行应用程序应尽快返回用户信息的准确值。

如果服务比信息更重要，则可以使用可用性数据库。电子商务公司可以通过使用它来证明数据库的可用性有多高。用户可以更改 Cosmos 或 Cassandra 等数据库中的旋钮，以表明他们更喜欢稳定性还是可用性。

换句话说，即使发生分区，CAP sense 中存储的所有数据都会保留。在 CAP 中，仅用于单个分区的数据备份系统没有一致性。
这意味着，即使某些节点不可用，系统也可以为其客户端提供服务。允许分区容忍但不保留数据的系统与CAP不一致。
在具有数据复制的分布式系统中，无法保证同时保持所有三个理想属性——一致性、可用性和分区容错性。虽然分区节点并不总是可用，但 CAP 中的节点仍然可以读写。在 CAP 意义上，一个系统保持其部分而非全部节点能够读写是不可用的，无论它是否仍然对客户端可用并满足其 SLA。
CAP 意义意味着即使发生分区，所有数据都保留在主机上。

上限定理：这是一个问题吗？

根据您的看法，这可能是一个艰难的决定。 CAP 定理可以从 Web 应用程序中移除，在该应用程序中，当底层数据库系统是分布式的时，可用性和可伸缩性比一致性更重要。

Nosql是否遵循上限定理？

这个问题没有明确的答案，因为它取决于你如何解释 CAP 定理。有些人认为 nosql 数据库不遵循 CAP 定理，因为它们不保证一致性，而另一些人则认为 nosql 数据库确实遵循 CAP 定理，因为它们不保证可用性。

什么是上限定理示例？

CAP 定理是计算机科学中的一个理论，它指出分布式计算机系统不可能同时提供以下三个保证中的两个以上：
1.一致性：每次读取都会收到最近的写入或错误
2. 可用性：每个请求都会收到一个（无错误的）响应——但不保证它包含最新的写入
3. 分区容错：尽管节点之间的网络丢弃（或延迟）了任意数量的消息，但系统仍继续运行
换句话说，CAP 定理指出分布式系统不可能在网络分区的情况下同时保持一致和可用。

在设计云应用时，所有的云应用都是分布式系统，所以学习CAP定理是必不可少的。 CAP 一致性意味着所有客户端，无论连接到哪个节点，都会收到相同的数据。集群中的分区容忍度意味着即使某些节点通信失败，集群也不会中断。根据 CAP 定理，NoSQL 数据库不被视为 CA 数据库。 CA 数据库提供一致性和可用性，但如果系统中的任何两个节点具有单独的分区映射，它们就无法保证容错性。 AP 数据库包括 CouchDB、Cassandra 和 ScyllaDB。根据CAP定理，CA分布式数据库理论上是可以的，但目前还没有。

NoSQL 数据库被认为是 AP 系统，因为它以牺牲一致性为代价具有可用性和分区容错性。诸如 PACELC 之类的分布式数据库除了延迟和一致性之外，还为分布式系统增加了延迟和一致性。考虑到性能，在不影响其他关键领域的情况下兑现这一承诺是否可行？ ScyllaDB 是一个高可用性、分区容错、低延迟的系统，可以通过多种方式进行配置。传统的 CAP 定理不提供延迟或性能。作为云原生应用程序，它们需要可预测的低延迟和高可用性。 CylonDB 的性能大大优于 CockroachDB 等分布式 NewSQL 数据库。

数据不一致是 CAP 定理试图解决的服务可用性问题的唯一原因。此外，硬件故障或人为错误等其他因素也可能导致数据不可用。 CAP 定理是一个著名的数据库设计定理，指出任何数据存储都不能被分区，同时具有稳定性、可用性和分区容错性这三个属性。公司有可能同时实现一致性和可用性，但并不总是可能的。 Mohammad Hashim 博士和 Amnon Shashua 博士在题为“在数据存储中实现一致性、可用性和分区容错性”的论文中提出了该定理。该定理通过解决这三个属性之间的权衡，将数据不一致作为可用性问题的唯一原因。众所周知，该定理并未解决所有不可用的原因或解决方案。因此，理解不可用性的所有原因并确定和开发这些问题的解决方案至关重要。因此，可以使用数据仓库来协助完成这项工作。您可以使用数据仓库来更好地理解和解决您的数据与它之间的任何不一致。

上限定理

如果您的应用程序要保持一致，它就必须可用。如果您的应用程序需要频繁的可用性，它必须愿意接受分区限制。最后，如果您的应用程序需要分区容错性，则必须牺牲一致性。
如果网络分区导致单个对等点上存储的数据丢失，则 CAP 定理指出单个对等点上可以存储的最大数据量是有限的。

上限定理 Nosql 示例

一个主节点处理 MongoDB 的写操作。在缺少主节点的情况下，系统必须替换它，而在这样做的同时，系统会阻止客户端写入它，直到主节点可用为止。

混合 Nosql 数据库的优缺点

SPO 数据库的优势在于提供一致性而不是可用性。另一方面，混合 NoSQL 数据库属于 NoSQL 数据库的第二类，它们不完全属于这些类别中的任何一个。 CP 和 SPO 数据库合并到这些数据库中，其中包含 CP 和 SPO 数据。两全其美使混合 NoSQL 数据库成为越来越受欢迎的选择。由于易于维护和可用性，它们降低了数据不一致和数据丢失的风险。

区块链中的上限定理

CAP 定理，也称为布鲁尔定理，指出分布式系统不可能同时提供以下三种保证中的两种以上：
– 一致性（所有节点同时看到相同的数据）
– 可用性（每个请求都会收到响应）
– 分区容错（即使某些节点发生故障，系统仍可继续运行）
在区块链系统中，节点是分布式的，数据在所有节点之间复制。因此 CAP 定理适用于区块链系统。

根据 CAP 定理，分布式数据存储（例如区块链网络）不能提供超过两种保证：一致性和可用性。即使网络由于网络分区（故障节点）而不能保证它是最新的，每个请求都会得到答复。当您发送比特币时，不确定交易是否会被接受。交易输入后五分钟内将形成一个区块。如果你等待的时间太长，你的交易将被转移到另一个区块，它周围的区块将开始积累。从来没有一笔交易在完成超过五个小时后被平仓。

可能会出现网络停机，但没有迹象表明这会导致不一致或可用性。根据计算机理论 CAP 定理，这是可以实现的。因为它允许分布式数据库的两个最重要的功能共存，所以一致性和可用性是唯一可以共存的两个功能。根据我们系统的具体用例，我们可以权衡这两个可用功能。
例如，如果我们需要一个系统来响应火灾，我们可以选择可用性而不是一致性。正是由于这一事实，我们知道系统必须在发生火灾时可用，即使仍然缺少一些信息。我们宁愿拥有一个一致的系统，也不愿拥有一个可用的系统。我们之所以知道这一点，是因为我们知道无论网络出现故障，用户都需要访问相同的数据。
CAP 定理需要对网络连接的共享数据系统有透彻的理解才能设计它们。在这种情况下，我们可以使用它在三个功能之间进行权衡，并根据用户的特定需求定制系统。

上限定理：为什么它今天仍然相关

CAP 定理，尽管它的进步和重新思考的算法，几十年来一直是一个相关的概念。该定理将分布式系统描述为具有一致性、可用性和分区这三个属性中的两个，并且是系统设计的基本原则。当分区存在时，CAP 定理表达了可用性和一致性之间的折衷。定理是理解这些属性之间的权衡和协助系统优化的有用工具。

大数据中的上限定理

在大数据中，CAP 定理指出分布式系统不可能同时提供以下三种保证中的两种以上：
1.一致性：系统中的所有节点同时看到相同的数据。
2.可用性：系统中的每个节点都可以访问和查询数据。
3.分区容忍：即使部分节点不可用，系统也可以继续运行。
CAP 定理经常被引用为大数据系统不能真正一致而必须设计为最终一致的原因。

布鲁尔定理，也称为上限定理，是一个描述一致性、可用性和分区容错性的数学概念。框架和交换器之间的交换开始于框架一致的稳定状态。为确保框架在 100% 的时间内可用，它必须保持运行。分布式数据库的概念需要多台 PC 或节点的交互，为客户端提供一个独特的操作数据库单元。在数据恢复的情况下，客户端连接到离它需要从中检索信息的节点最近的节点。水平缩放的使用降低了信息复制的成本和速度。数据库 NoSQL（非关系）数据库可用于分布式网络应用程序。

在快速扩展的网络中，它们可以水平分布，并使用简单的层次结构轻松访问。 NoSQL 数据库可以描述为 AP 或 CP 数据库。 Partition tolerance 和 accessibility 是业界非常看重的两个 CAP 特性。通过利用分布式框架，我们能够实现过去不可能实现的大量计算能力和可访问性。当分布式框架用于长时间运行的服务器时，它们会提供更高的性能、惰性和接近 100% 的正常运行时间。水平扩展的目标是了解分布式框架及其带来的挑战，以及将折衷方案纳入 CAP。

为什么上限定理很重要

在数据库系统中，CAP 定理指出，分布式系统不可能同时提供以下三种保证中的两种以上：一致性：每次读取都会收到最近的写入或错误错误）响应——不保证它包含最新的写入分区容限：尽管任意数量的消息被节点之间的网络丢弃（或延迟），系统仍继续运行 CAP 定理最初由计算机科学家 Eric Brewer 在2000。它也被称为 CAP 权衡。 CAP 定理很重要，因为它可以帮助开发人员和架构师了解分布式系统的局限性。分布式系统不可能同时提供所有三个 CAP 保证。开发人员和架构师必须选择哪两个保证对他们的应用程序更重要，并相应地设计系统。

根据 CAP 定理，分布式数据存储无法同时提供以下理想功能：一致性、可用性和分区容错性。无论系统中的某些节点是否不可用，任何连接到数据库的客户端都将始终收到来自数据库系统的有效请求。在分布式数据库系统中，数据经常被拆分到多个节点中。剪切，也称为水平分区，发生在这个过程中。在 NoSQL 数据库系统中保持水平扩展至关重要。 NoSQL 数据库往往具有极强的适应性，具有大量的客户端和严格的服务级别要求。系统中每个复制者的状态都可以由中央数据库节点维护。

当节点请求或更新数据时，它会在传输请求的数据之前通知中心节点。当应用于高可用性和分区容错的数据库系统时，该模型可以帮助提高整体一致性。如果该响应不包含陈旧数据或根本不包含任何数据，它将继续违反原子一致性。当在部分同步模型上可以访问节点时，可以创建最终一致或延迟 t 一致的系统。作为这样的系统的一部分，数据最终会被复制到足够多的节点，一旦所有数据位都被传送到每个节点，系统就会达到一致性。

每个写请求在每个节点都可用。 A 和 B 可以被任意两个节点 A 和 B 划分，因为有一组独立的节点 C 可以处理大多数 A 或 B 故障，并且 C 中的每个节点只能容忍 A 或 B 的一个故障。该定理可以推广任意数据结构和任意一致性保证在分布式系统中维护一组一致的数据以确保它始终是最新的是至关重要的。因为分布式系统是节点的集合，不可能保证所有节点都有最新的写入数据。 数据可用性的另一个重要特征是它总是随时可供阅读。为了确保系统能够处理任意数量的故障，保持分区容忍度最新是至关重要的。根据 CAP 定理，任何数据存储只能保证两件事：数据始终保持不变或在数据更改时产生错误。同样，可用性声明表示所有写请求在所有节点上都可用。如果一个节点发生故障，其他节点将可以访问数据。此外，分区容错性指出即使两个节点同时发生故障，整个系统仍然能够同时容忍故障。 CAP 定理是一个理论计算机科学定理，有助于理解分布式系统的工作原理。数据是频繁分布的，因此在 Web 应用程序等实际应用程序中实现这一点至关重要。 CAP 定理除了确保数据始终正确更新和优雅地处理故障外，还可以帮助数据恢复。

上限定理SQL

CAP 定理是计算机科学中的一个理论，它指出分布式系统不可能同时提供以下三个保证中的两个以上：
一致性：所有用户同时看到相同的数据。
可用性：所有用户都可以随时读写数据。
分区容忍：即使某些网络节点不可用，系统也可以继续运行。

根据 CAP 定理，如果一个系统在存在分区和默认情况下都不能保持一致和可用，那么就没有分布式系统这样的东西。一致性是由 CockroachDB 在 CAP 定理中定义 CP 系统时选择的。因为网络有各种各样的分区，一些CAP-Consistent系统有时可能不可用，但仍然可以到处找到。 CAP 定理描述了一致性和可用性之间的狭隘权衡。 CAP 定理没有考虑气候变化影响等因素，这些因素可能会导致停电。与 CAP-available 相比，CAP 购买在有效性方面的作用非常小。结果，由于失去了一致性，因此需要大量代码。

如果您选择使用 CockroachDB，您可以根据需要利用其更高可用性、更低可靠性模式。如果您只是从最近的副本中读取最少的陈旧数据而不会阻塞冲突事务，则应考虑提高副本的可用性。尽管延迟可能会更长，但大多数需要一致的 CAP 兼容数据库的应用程序（例如 CockroachDB）通常最好使用 CAP 兼容的数据库。

上限定理证明

Cap 定理没有明确的证明。然而，有一些关键的见解有助于解释为什么该定理是正确的。
首先，理解上限定理实际上是关于权衡的，这一点很重要。在任何分布式系统中，总是需要在一致性、可用性和分区容错性之间进行权衡。
其次，该定理实际上是关于分布式系统中可能发生的事情的陈述。它不是关于什么是可取的或最佳的陈述。
第三，上限定理的证明依赖于计算机科学中一些非常基本的思想，包括分布式系统的概念和共识算法的概念。

在分布式系统中，CAP 定理是一个基本定理。事实上，任何分布式系统都可以具有以下三个特征中的两个或多个。我们将检查一个基本的分布式系统，并通过解释什么使它适用于一致、可用和分区容错来向您展示如何使其工作。在一个可用的系统中，当我们的客户端向一个没有崩溃的服务器发送请求时，服务器会尽快响应客户端。如果我们要具有分区容错性，就必须能够在任意网络分区下正常运行。根据我们的研究，一个系统不可能同时拥有这三者。

上限定理

根据理论计算机科学，使用分布式数据存储不可能同时提供以下三个理想功能：一致性、可用性和分区容错性。一致性、可用性和分区容错性都包含在 CAP 中。
因为 CAP 定理指出没有系统可以同时提供所有三个属性，所以这是真的。如果我们想要提供一致性、可用性和分区容错性，我们必须在三个规范中的一个上做出妥协。

数据库

Nosql 数据库是不使用传统关系模型的数据库系统。相反，他们使用更适合现代数据存储和检索需求的各种不同模型。 Nosql 数据库通常比关系数据库更具可扩展性和更易于使用，使它们成为许多 Web 应用程序的流行选择。

文档数据库将数据存储在文档中而不是关系数据库中。为了满足现代企业的需求，它们被构建为具有适应性、可扩展性，并且能够快速响应数据管理需求。文档NoSQL数据库分为四种类型：纯文档数据库、键值存储、宽列数据库和图数据库。全球 2000 强组织越来越多地采用 NoSQL 数据库来支持任务关键型应用程序。这是由于五个趋势很难处理，以至于关系数据库无法再处理它们。由于其固定的数据模型，关系数据库是敏捷开发的主要障碍。它被定义为NoSQL的应用模型。

数据可以以任何它希望的方式在节点中建模，而不是静态的。在面向文档的数据库的上下文中，JSON 是存储数据的实际格式。因此，ORM 框架不再执行应用程序开发的开销要求。 N1QL（发音为“nickel”）是 Couchbase Server 4.0 中包含的一种强大的查询语言，它允许将 SQL 转换为 JSON。它不仅支持标准的SELECT/FROM/WHERE语句，还支持聚合（GROUP BY）、排序（SORT BY）、连接（LEFT OUTER/INNER）等功能。 NoSQL 数据库易于使用，因为它们采用横向扩展架构设计，没有单点故障。随着越来越多的任务在移动设备和网页上执行，企业能够在线满足客户需求变得越来越重要。

NoSQL 数据库易于安装、配置和扩展，使其成为数据管理的理想工具。它们旨在充当读取、写入和存储系统。此外，可以管理和监视不同大小和处于不同操作阶段的集群。不需要安装单独的软件来进行数据库之间的复制，因为 NoSQL 数据库是分布式的。此外，它允许应用程序通过使用硬件路由器按需执行自己的停机时间——应用程序不需要等待数据库发现问题并执行自己的停机时间。 NoSQL 数据库越来越普遍地支持现代 Web、移动和物联网 (IoT) 应用程序。

不同类型的 Nosql 数据库

NoSQL 数据库的日益流行是由于 NoSQL 数据库能够以不同的方式存储数据，从而允许更快、更有效的访问方法。可以在这些平台上运行各种应用程序，包括 Web 应用程序、大数据和物联网 (IoT)。基于文档的 NoSQL 数据库，例如 Cassandra，非常适合难以访问的大量数据。使用它们很容易变异数据，这对于实时更新数据很有用。
Redis 是一个键值数据库，可用于存储需要快速访问的少量数据。只需查看密钥，就可以使用它们快速检索数据。
通过使用像 Neo4j 这样的宽列数据库，您可以轻松地索引和搜索大量数据。由于这些特性，可以将列快速添加到数据库中。
Neo4j 等图形数据库非常适合组织难以以平面方式访问的数据。借助此 API，您可以简单高效地查询数据。

关系数据库酸

关系数据库是Edgar F. Codd于1970年提出的基于数据关系模型的数字数据库。用于维护关系数据库的软件系统是关系数据库管理系统(RDBMS)。许多关系数据库系统都可以选择使用酸性（原子性、一致性、隔离性、持久性）事务模型。

这是一组通过建立 ACID（原子性、一致性、隔离性、持久性）来保证数据库事务得到可靠处理的特性。数据库的 ACID 功能是从处理事务时可能发生的错误中恢复。尽管有任何错误，数据库的数据仍然准确且一致。如果事务在完成之前失败，则不会更改数据。事务可能由于输入不当或在某些情况下违反一致性而失败。这可能是由于数据库管理系统中的超时或死锁造成的。另一方面，介质故障是指存储设备（如硬盘）无法读取和写入数据。

Rdbms 酸兼容吗？

事务数据必须符合 ACID，许多流行的 RDBMS 都支持这一点，例如 Oracle、SQL Server、PostgreSQL 和 MySQL。

哪个 Db 具有酸性？

MySQL、PostgreSQL、Oracle 和 Microsoft SQL 都保证事务的 ACID 属性。

Rdbms 是否具有酸性？

与分布式数据相比，RDBM 具有难以维护的 ACID 属性。 RDBM 还根据 CAP 定理（Gilbert 和 Lynch，2002 年）确保一致性和可用性优于可伸缩性，该定理指出每个处理的事务都需要 ACID，例如并发事务。