分布式是什么？
分布式是指将一个系统或应用程序分散到多个计算机或服务器上，这些计算机或服务器通过网络进行通信和协作，共同完成某个任务或提供某个服务。
分布式系统的优点
- 可靠性高：分布式系统中的各个节点相互独立，一个节点的故障不会影响到其他节点的正常运行，因此分布式系统具有很高的可靠性。
- 可扩展性好：分布式系统可以通过增加节点的方式来扩展系统的处理能力，从而满足不断增长的用户需求。
- 高性能：分布式系统可以将任务分配到不同的节点上并行处理，从而提高系统的处理能力和响应速度。
分布式系统的缺点
- 数据一致性难以保证：分布式系统中的数据分布在不同的节点上，数据的一致性难以保证，需要采用一些特殊的算法来保证数据的一致性。
- 网络和通信故障：网络的不可靠，消息可能丢失、早到、迟到，这给机器间的协调带来了极大的复杂度。像TCP等网络基础协议，能解决部分问题，但更多的需要系统层面自己处理。更不用说，开放式网络上可能存在的消息伪造。
- 管理复杂度：机器数量到达一定数量级时，如何对他们进行有效监控、收集日志、负载均衡，都是很大挑战。
分布式系统中的常用名词
- 节点（Node）：分布式系统中的每个计算机或服务器都被称为一个节点，节点可以独立运行，也可以通过网络进行通信和协作。
- 集群（Cluster）：分布式系统中所有计算机或服务器的集合。
- 通信（Communication）：分布式系统中的节点之间需要进行通信和数据交换，通信的可靠性和效率是分布式系统的关键问题之一。
- 数据同步（Data Synchronization）：由于分布式系统中的数据分布在不同的节点上，节点之间需要进行数据同步和一致性问题的处理，保证数据的正确性和一致性。
- 负载均衡（Load Balancing）：分布式系统中的节点负责处理不同的任务，如何合理地分配任务和负载，保证系统的高效运行是分布式系统的关键问题之一。
- 网络分区（Network Partition）：指在分布式系统中，由于网络故障或其他原因，导致系统中的节点被分割成多个不连通的子集，每个子集中的节点无法与其他子集中的节点进行通信和协作。
CAP理论
CAP 代表什么？
- C：Consistency，一致性，是指所有节点在同一时刻的数据是相同的，即更新操作执行结束并响应用户完成后，所有节点存储的数据会保持相同。
- A：Availability，可用性，是指系统提供的服务一直处于可用状态，对于用户的请求可即时响应。
- P：Partition Tolerance，分区容错性，是指在分布式系统遇到网络分区的情况下，仍然可以响应用户的请求。
CAP 理论：指的就是，在分布式系统中C、A、P这三个特征不能同时满足，只能满足其中两个。
为什么 CAP 不能同时满足？
- P 是前提，因为在分布式系统中，网络基础设施无法做到始终保持稳定，网络分区难以避免，不满 P，就相当于放弃使用分布式系统。
- 接下我们分别讨论满足 CP 时 A 能否满足、满足 AP 是 C 能否满足？
满足 CP 是 A 能否满足？
满足 AP 是 C 能否满足？
CAP选择策略及实现
CAP 不能同时实现，P 又不能舍弃，那么 CP 和 AP 之间我们如何选择？
- 选择 CP 的场景：
- 分布式场景需要很强的数据一致性，或者该场景可以容忍系统长时间无响应的情况下。
- 一旦发生网络分区会导致数据无法同步情况，就要牺牲系统的可用性，降低用户体验，直到节点数据达到一致后再响应用户。
- 通常用在涉及金钱交易的分布式场景下，因为它任何时候都不允许出现数据不一致的情况。
- 选择 AP 的场景：
- 分布式场景需要很高的可用性，或者说在网络状况不太好的情况下，该场景允许数据暂时不一致。
- 网络分区出现后，各个节点之间数据无法马上同步，为了保证高可用，分布式系统需要即刻响应用户的请求。此时可能某些节点还没有拿到最新数据，只能将本地旧的数据返回给用户，从而导致数据不一致的情况。
- 适合保证AP放弃C的场景有很多。比如，很多查询网站、电商系统中的商品查询等，用户体验非常重要，所以大多会保证系统的可用性，而牺牲一定的数据一致性。
CP 如何实现
- 以 ZooKeeper 为例介绍一种 CP 的实现方式
- ZooKeeper 集群包含多个节点，这些节点会通过分布式选举算法选出一个Leader节点。
- 当用户向节点发送写请求时，如果请求的节点刚好是Leader，那就直接处理该请求。
- 如果请求的是Follower节点，那该节点会将请求转给Leader（写请求转发），然后Leader会先向所有的Follower发出一个Proposal，等超过一半的节点同意后（多数派原则），Leader才会提交这次写操作。
- 如果有一些节点没有同意该操作，那么它们会被视为“落后节点（Lagging Nodes）”，即它们的状态落后于其他节点。当这些落后节点恢复后，它们会通过协议进行同步，从而与其他节点保持一致。
- 当一个节点接收到一个读请求时，它会检查自己是否为落后节点，如果不是，则直接返回数据；如果是，则会将请求转发给最新的节点，最新的节点返回数据后，中间节点再将数据返回给客户端（读请求转发）。
- 当出现网络分区时，如果其中一个分区的节点数大于集群总节点数的一半，那么这个分区可以再选出一个Leader，仍然对用户提供服务，但在选出Leader之前，不能正常为用户提供服务；如果形成的分区中，没有一个分区的节点数大于集群总节点数的一半，那么系统不能正常为用户提供服务，必须待网络恢复后，才能正常提供服务。
BASE理论
BASE 代表什么？
- BA：基本可用（Basically Available），指系统在出现故障或者部分故障时，仍然能够保证基本的可用性和可靠性，即系统能够在有限的时间内返回一个非错误的响应结果，而不是返回错误信息或者长时间等待。
- S：软状态（Soft State），指系统中的数据状态可以在一段时间内不同步，即系统中的数据状态是不稳定的，但是最终会达到一致的状态。这种状态通常由于系统中的并发操作、网络延迟、节点故障等原因导致。
- E：最终一致性（Eventually Consistent），指系统中的所有副本最终会达到一致的状态，但是在某个时间点上可能会存在不一致的状态。这种状态通常由于系统中的异步复制、数据同步延迟等原因导致。
CAP 和 BASE 的区别
- CAP理论是一种理论框架，它提供了一种思考分布式系统的方式。
- BASE理论则是一种实践经验，强调了系统的可用性和可扩展性，而不是强一致性。在分布式系统中，强一致性往往需要付出较高的代价，而BASE理论则提供了一种更加灵活和实用的解决方案，可以在一定程度上平衡系统的一致性和可用性。它提供了一种实现分布式系统的方法。
