CAP理论

• Consistency（一致性）：

  • 如果在A节点设置key为value1，A节点发生故障，切换另一个节点B查询应该查到key不一定为value1
  • 应该不返回数据，避免数据不一致。恢复后，再提供准确数据

• Availability（可用性）：

  • 在多个分布式节点上，部分节点间通信中断，在业务容许的响应时间内，能够正常提供服务，则服务具有较高的可用性

• Partition tolerance（分区容错性）：

  • 分布式系统中，节点间因网络、机器等原因出现通信中断问题，则称分布式系统出现了分区
  • 此时即使出现了分区故障，系统还能正常运行，各服务节点还能对外提供服务

• CP 系统：

  • 要求数据的一致性，节点一旦出现故障，数据一致前，客户端请求都拒绝，直到节点能够提供一致的数据
  • 通常金融系统会要求数据强一致性
  • Zookeeper（Zookeeper + Doubbo）、Consul、Nacos

• AP系统：

  • 要求服务的可用性，节点即使出现故障，服务依旧能对外提供服务，但是可能提供的数据不一致
  • 在一个完整的系统中，也要根据使用场景，来选择AP或CP，看是更注重一致性还是更关心可用性
  • Nacos、Eureka

Nacos

• 临时实例和永久实例：

  • 临时实例保存在服务端缓存中，不会持久化到磁盘
  • 服务实例出现下线之后，这个服务实例会从服务注册表中移除
  • 永久实例不仅存在服务注册表中，也会持久化到磁盘
  • 当实例出现下线，会将实例状态设置为不健康，不会从服务表中移除
  • 默认实例是临时实例，永久实例可以注册MySQL、Redis