分布式中的CAP 理论 / AP 架构 / CP 架构

分布式中的CAP 理论 / AP 架构 / CP 架构

最近有时间研究分布式架构，因为公司使用的 Zookeeper，并没有使用 Spring Cloud Eureka，所以想探究一下他们之间的区别，于是看到简书里的文章：Spring Cloud Eureka 简介及与 Zookeeper 对比，明显的区别可能就是 Zookeeper 为 CP 设计，而 Eureka 为 AP 设计，但是对 CAP/AP/CP 很不理解，于是查阅资料，做一个简单的了解。

Eureka 服务治理机制与 Dubbo 服务治理机制的比较

FEATURE	EUREKA	ZOOKEEPER
服务健康检查	可配支持	(弱) 长连接，keepalive
CAP	AP	CP
watch 支持（客户端观察到服务提供者变化）	支持 long polling / 大部分增量	支持
自我保护	支持	-
客户端缓存	支持	-
自身集群的监控	metrics	-

Eureka 支持健康检查，自我保护等

Zookeeper 为 CP 设计，Eureka 为 AP 设计。作为服务发现产品，可用性优先级较高，一致性的特点并不重要，宁可返回错误的数据，也比不反回结果要好得多。

服务列表变更 Zookeeper 服务端会有通知，Eureka 则通过长轮询来实现，Eureka 未来会实现 watch 机制

CAP 理论提出就是针对分布式数据库环境的，所以，P 这个属性是必须具备的。
P 就是在分布式环境中，由于网络的问题可能导致某个节点和其它节点失去联系，这时候就形成了 P(partition)，也就是由于网络问题，将系统的成员隔离成了 2 个区域，互相无法知道对方的状态，这在分布式环境下是非常常见的。
因为 P 是必须的，那么我们需要选择的就是 A 和 C。
大家知道，在分布式环境下，为了保证系统可用性，通常都采取了复制的方式，避免一个节点损坏，导致系统不可用。那么就出现了每个节点上的数据出现了很多个副本的情况，而数据从一个节点复制到另外的节点时需要时间和要求网络畅通的，所以，当 P 发生时，也就是无法向某个节点复制数据时，这时候你有两个选择：
选择可用性 A(Availability)，此时，那个失去联系的节点依然可以向系统提供服务，不过它的数据就不能保证是同步的了（失去了 C 属性）。
选择一致性 C(Consistency)，为了保证数据库的一致性，我们必须等待失去联系的节点恢复过来，在这个过程中，那个节点是不允许对外提供服务的，这时候系统处于不可用状态 (失去了 A 属性)。

最常见的例子是读写分离，某个节点负责写入数据，然后将数据同步到其它节点，其它节点提供读取的服务，当两个节点出现通信问题时，你就面临着选择 A（继续提供服务，但是数据不保证准确），C（用户处于等待状态，一直等到数据同步完成）。