知识卡片
CAP忽略网络延迟
CAP理论有一个隐含且容易被忽视的假设:它忽略了网络延迟。Brewer定义一致性时,默认事务一提交,数据就能瞬间复制到所有节点,但现实中从节点A把数据复制到节点B总要花时间——同机房可能是几毫秒,跨地域机房(比如北京到广州)可能要几十毫秒。这意味着CAP理论里的C在实践中永远不可能完美实现,在数据复制真正完成之前的这段时间窗口里,节点A和节点B的数据必然是不一致的。这几毫秒或几十毫秒的不一致,对多数业务无所谓,但对某些极端严苛的场景(比如涉及金钱的用户余额、涉及抢购的商品库存)却是不可接受的——业务上必须要求强一致性,但技术上分布式场景下完美的一致性根本做不到,因此像”单个用户的余额”“单个商品的库存”这类数据,理论上该选CP,实际上CP都无法真正满足,只能退而求其次选CA——也就是只允许单点写入、其他节点做备份,无法做到分布式多点同时写入。需要澄清的是,这并不意味着这类系统整体无法用分布式架构,只是”单个用户余额、单个商品库存”这一份具体数据无法真正分布式多写,系统整体依然可以走分布式路线——常见做法是按用户做分区,比如用户ID 0~100的数据放Node 1、101~200的放Node 2,客户端按用户ID路由到对应节点,单个用户的读写永远只发生在某一个节点上。这种设计有个明显代价:某个节点故障时,落在这个节点上的用户完全无法读写;但从系统整体看,这个代价是可以接受的——故障影响的只是这一部分用户(比如20%),而不是全部用户,这正是为什么现实中挖掘机挖断光缆导致支付宝出故障时,只有部分用户业务异常,而不是所有用户同时瘫痪。
结构图:
flowchart TB
A["CAP假设:事务提交后数据瞬间复制到所有节点"]
A --> B["现实:复制总有延迟(几毫秒~几十毫秒)"]
B --> C["延迟窗口内节点间数据必然不一致<br/>→完美的C在实践中不可能实现"]
C --> D["对严苛数据(余额/库存):<br/>业务要求强一致性但CP做不到<br/>→只能退化为CA(单点写入+备份,非分布式多写)"]
D --> E["系统整体仍可分布式:按用户ID分区<br/>Node1管用户0~100,Node2管101~200"]
E --> F["代价:某节点故障时该节点用户完全无法读写"]
F --> G["但收益:故障影响范围被限定在一部分用户<br/>而非全体用户(如挖断光缆时支付宝只有部分用户异常)"]
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 3 处
- 想成为架构师,你必须掌握的CAP细节 · 查看原书依据
CAP 理论中的 C 在实践中是不可能完美实现的,在数据复制的过程中,节点 A 和节点 B 的数据并不一致
- 想成为架构师,你必须掌握的CAP细节 · 查看原书依据
单个用户的余额、单个商品的库存,理论上要求选择 CP 而实际上 CP 都做不到,只能选择 CA
- 想成为架构师,你必须掌握的CAP细节 · 查看原书依据
这也是为什么挖掘机挖断光缆后,支付宝只有一部分用户会出现业务异常,而不是所有用户业务异常的原因。