外观
02 - CAP 不是“三选二”口诀:网络分区发生时系统到底怎么选
摘要
两个机房之间的网络中断,但各自仍能接收用户请求:一边写成功后,另一边还能保证读到最新值吗?CAP 讨论的就是这种通信中断时的取舍。本文先用两个数据副本解释一致性、可用性和网络分区,再用支付与订单状态示例说明 CP、AP 如何落实到具体操作。
1. 场景:两个机房都认为自己还能服务
假设订单系统在上海、北京各部署一组节点。节点是参与存储和处理请求的服务实例;副本是同一份数据在不同节点上保存的拷贝。正常情况下,两地通过复制交换更新;专线故障后,客户端仍能分别访问两地,但两地节点之间无法通信。这就是网络分区:节点可以继续运行,却无法获知另一侧的变化。
此时业务必须回答:上海用户修改地址后,北京是否也允许修改同一订单?
- 两边都接受写入并按本地数据响应,用户仍能操作,但同一订单可能出现两个冲突版本;
- 只让能证明自己有合法写入权、满足协议提交条件的一侧写入,另一侧拒绝写入或等待;
- 等网络恢复再处理,避免立即产生冲突,但分区一直不恢复时,请求就可能一直无法完成。
问题不只在写入。上海已经向用户确认地址修改成功,北京却没有收到更新;此后北京收到查询请求,就无法知道上海是否写过新地址。返回本地旧地址可能违反一致性,等待上海确认又可能无法完成请求。CAP 的取舍来自这个信息缺口。
2. 三个字母的准确含义
2.1 Consistency:所有操作像作用于一个最新副本
CAP 中的 **Consistency(一致性)**通常指线性一致性:每个操作看起来都在调用与返回之间的某个瞬间生效,所有操作能够排成一个符合真实时间先后关系的顺序。如果一次地址修改已经返回成功,之后才开始的读取就应看到这次修改或更新的值;时间重叠的操作则可以按任一符合操作语义的顺序排列。
这不要求所有副本在每个瞬间都保存相同数据,而是要求系统对外表现得像只有一份数据。尚未追上更新的副本不能直接用旧值回答需要线性一致性的读取。
它不同于数据库事务 ACID 中的 Consistency。ACID 是原子性、一致性、隔离性和持久性的缩写,其中的一致性强调事务前后满足约束,例如余额不能为负;CAP 一致性讨论多个副本对外呈现的读写顺序。读写符合线性一致性,也仍需正确的业务校验才能保证余额约束。
2.2 Availability:非故障节点收到请求后必须给出响应
CAP 的 **Availability(可用性)**要求每个到达非故障节点的请求都最终完成,返回符合该操作语义的结果。这里的非故障节点仍在正常执行,即使它与其他节点失联,也不能因此被排除在要求之外。读取旧值可能满足可用性,却不满足线性一致性;仅返回“暂时无法处理”并没有完成操作。
它不同于“全年 99.99%”这种运维指标,也没有规定必须在多少毫秒内完成。无限等待不满足“最终完成”;有限时间内返回业务规则允许的拒绝结果,例如余额确实不足,则不能简单等同于节点不可用。
2.3 Partition Tolerance:节点通信可能丢失或任意延迟
**Partition(网络分区)**意味着部分节点之间无法可靠通信,原因可能是消息丢失、延迟过长或链路中断。**Partition Tolerance(分区容忍性)**要求系统在这种条件下仍遵守自己承诺的服务语义,并不意味着所有请求都必须成功。
分布式系统无法通过代码保证网络永不分区;只要系统依赖跨进程、主机或机房通信,就必须考虑这些故障。节点也无法仅凭一次超时区分对方已经故障,还是消息仍在途中。
因此工程中的核心选择通常是:
text
分区发生时:为了保持一致性而拒绝部分请求,还是为了保持响应而允许副本分叉?3. 用一次转账推导 CP 与 AP
假设账户余额为 100 元,上海和北京各有副本。每笔支付都先检查余额是否足够,再扣减余额;网络中断后,两地各收到一笔不同的 80 元支付请求。下面比较两种处理思路,而不是描述某个支付产品的实际协议。
CP 表示在分区期间优先保持线性一致性,必要时牺牲部分请求的可用性。AP 表示在分区期间继续完成非故障节点上的请求,允许暂时放宽线性一致性。
图表将在阅读到此处时加载…
在 CP 思路下,合法写入方把余额检查与扣减作为不可分割的操作,并按同一顺序提交。第一笔支付成功后余额为 20 元,第二笔再处理时应因余额不足被拒绝。如果某一侧无法满足提交条件,就不能确认支付成功。
Leader(领导节点)负责协调写入;共识协议让多个节点对提交顺序达成一致,常用多数派确认作为提交条件。多数派指超过参与投票节点的一半,不是机房数量的一半。仅有 Leader 身份并不代表失联后还能安全提交:旧 Leader 不能继续独立确认写入,与新 Leader 形成两个写入来源。若只有两个投票节点且两地各一个,断联后任何一侧都凑不齐多数派,两侧都可能暂停写入;图中一侧能写的分支以它仍满足提交条件为前提。
在 AP 思路下,两边都根据本地的 100 元通过检查,各自记录余额 20 元。数值虽然相同,但若两笔支付都已生效,实际支出就是 160 元,超过初始余额。恢复后简单选一个余额值无法消除多付的 80 元,必须核对支付记录并按业务规则处理。因此,“副本最终显示相同余额”不等于“业务约束没有被破坏”。
如果余额不能透支,且没有预先划分各地可支出的额度,系统通常需要单一写入权或共识提交,即倾向 CP。若业务是“用户点赞”,两边暂时各自记录点赞,恢复后按规则去重、合并可能可以接受,即可采用 AP 思路。合并仍需区分新增点赞、重复请求和取消点赞,不能只把两个总数相加。
选择取决于具体操作,不是整个公司只能选一种模式。同一系统中,付款授权可以偏 CP,商品浏览记录可以偏 AP。
4. 为什么不是日常所说的“三选二”
没有网络分区、节点正常且通信最终能够完成时,系统可以同时提供一致读写和正常响应。CAP 并不要求平时就放弃其中一项;它指出的是:把可能持续的网络分区纳入故障模型后,无法对所有执行情况同时保证 C 和 A。因此更准确的表达是:
在必须容忍网络分区的分布式系统里,无法保证线性一致性,同时又保证每个到达非故障节点的请求都最终完成。
“CA 系统”常被用来描述单机数据库或假设网络永不分区的集群。这种说法有前提:把节点间分区排除在讨论范围之外。跨节点系统遇到真实分区时,仍必须决定哪些请求可以完成、哪些需要拒绝或等待,以及是否允许旧读和冲突。仲裁规则可以决定哪一侧继续服务,却不能让失联的另一侧凭空获得新数据。
5. 最小实验:两个副本各自写入
下面的 Java 17 示例用同一进程中的两个 Map 模拟两个失联副本,不建立网络连接,也不实现完整的分布式存储。VersionedValue 保存版本号和订单状态:两边先共享版本 1,再停止交换更新,各自写出版本 2。保存为 PartitionDemo.java,可用 JDK 17 编译、运行;控制台需能正确显示中文。
java
import java.util.HashMap;
import java.util.Map;
public class PartitionDemo {
record VersionedValue(long version, String value) {}
public static void main(String[] args) {
Map<String, VersionedValue> shanghai = new HashMap<>();
Map<String, VersionedValue> beijing = new HashMap<>();
shanghai.put("order-1", new VersionedValue(1, "CREATED"));
beijing.putAll(shanghai);
// 网络分区后,两边基于同一个版本独立写入。
shanghai.put("order-1", new VersionedValue(2, "PAID"));
beijing.put("order-1", new VersionedValue(2, "CANCELLED"));
System.out.println("Shanghai: " + shanghai.get("order-1"));
System.out.println("Beijing : " + beijing.get("order-1"));
System.out.println("相同版本号出现不同值,不能靠 last-write-wins 自动判断业务真相");
}
}预期输出:
text
Shanghai: VersionedValue[version=2, value=PAID]
Beijing : VersionedValue[version=2, value=CANCELLED]
相同版本号出现不同值,不能靠 last-write-wins 自动判断业务真相版本号只在各自副本上递增,因而相同的版本 2 不代表同一次更新。这里的 PAID 表示已支付,CANCELLED 表示已取消;示例展示的是状态冲突,没有执行真实支付或取消操作。
**Last-write-wins(最后写入者获胜,LWW)**是一种按时间戳等排序依据选择获胜值的规则,示例没有实现它。如果仅按服务器时间选择“最后写入”,不同机器的时钟偏差或漂移可能让较早操作看起来更晚;即使时间准确,支付和取消哪个应该获胜也是业务规则。LWW 可以按既定规则选出一个值,却不会自动处理被丢弃更新的业务后果。
6. 反例与正例
反例是把 Redis 称为 AP、ZooKeeper 称为 CP,然后结束设计。组件名称不能代替对具体读写行为的分析:部署方式、命令、故障阶段和配置都可能影响它承诺的语义。
正例是对具体操作提出问题:
- 写成功需要几个副本确认?
- 少数派节点收到写请求时返回什么?
- 读取是否允许返回旧值?
- 冲突能否合并,谁负责合并?
- 客户端超时后如何查询最终状态?
例如,付款授权应明确谁有写入权、成功需要哪些确认、失联时如何查询结果;浏览记录可以允许延迟合并,但要明确重复记录怎样去重。把这些规则写清楚,CP、AP 才能指导实现。
7. 容易踩的坑
- 把 CAP 一致性与数据库约束一致性混为一谈。
- 认为选择 CP 就不会宕机;CP 是分区期间的语义取舍,不是永不故障的保证。
- 认为 AP 就是数据随便错;需要定义冲突检测、合并和收敛,即在通信恢复且更新能够传播后,让副本按规则趋于一致。
- 用组件名称替代操作语义,不讨论读写级别和故障阶段。
- 把短暂超时直接认定为分区;超时只能证明在期限内未收到响应。
8. 进阶:PACELC 补上正常时期的取舍
CAP 主要讨论分区期间。PACELC 把讨论延伸到正常通信时期:如果发生 Partition(P),考虑 Availability(A)与 Consistency(C)的取舍;Else(E,没有分区),考虑 Latency(L,延迟)与 Consistency(C)的取舍。
例如,写入需要等待远端副本确认时,响应时间会包含跨节点通信和副本处理时间;直接读取尚未同步的本地副本可以省去远端等待,却可能得到旧值。等待更多副本会影响数据复制保障,但是否提供线性一致性仍取决于完整的读写协议,不能只数确认节点。
PACELC 提供的是分析角度,不是“延迟低就一定不一致”的绝对判断。设计仍要结合实际通信距离、读写协议、延迟预算、数据价值和故障恢复目标。
9. 总结
CAP 的核心不是给产品贴标签,而是明确网络分区时每一种读写操作允许返回什么结果。
- 在可能持续的网络分区下,不能同时保证线性一致性和每个到达非故障节点的请求都最终完成。
- CP、AP 应落实到具体操作、确认级别和冲突处理,而不是停留在组件名称。
- 业务能否容忍旧读、拒绝、冲突与补偿,决定了正确选择。
下一篇:数据复制后为什么会“刚写入却查不到”:一致性模型与副本延迟。