Redis 和 MySQL 读写一致性问题了
关于 CAP 理论，我前面已经写过相关文章了，比如，这一篇《详解 CAP 定理 Consistency（一致性）、 Availability（可用性）、Partition tolerance（分区容错性）》，好评如潮。
CAP 理论
- C 一致性：数据在分布式环境下的多个副本之间能否保持一致性，这里的一致性更多是指强一致性；
- A 可用性：分布式系统一直处于可用状态，对于请求总是能在有限的时间 内返回结果致性；
- P 分区容错性：除非整个网络故障，分布式系统在任何网络或者单点故障时，仍能对外提供满足一致性和可用性的服务；
CAP理论：一个分布式系统不可能同时满足一致性、可用性和分区容错性这三个 基本需求，最多只能同时满足其中的两项。
架构师的精力往往就花在怎么样根据业务场景在A和C直接寻求平衡。
BASE 理论
- Basically Avaliable 基本可用：当分布式系统出现不可预见的故障时，允许损失部分可用性，保障系统的“基本可用”；体现在“时间上的损失”和“功能上的损失”；例如：部分用户双十一高峰期淘宝页面卡顿或降级处理；
- Soft state 软状态：允许系统中的数据存在中间状态，既系统的不同节点的数据副本之间的数据同步过程存在延时，并认为这种延时不会影响系统可用性；例如：12306网站卖火车票，请求会进入排队队列；
- Eventually consistent 最终一致性：所有的数据在经过一段时间的数据同步后，最终能够达到一个一致的状态；例如：理财产品首页充值总金额 短时不一致；
BASE 理论：即使无法做到强一致性，但分布式系统可以根据自己的业务特点，采用适当的方式来使系统达到最终的一致性。
面试中经常会遇到分布式一致性问题，最常见的是 Redis 和 MySQL 的一致性问题。回答这类问题，不管你采用哪种缓存模式，都有漏洞，都不完美。因此，最好的做法就是利用业务的特点，做到最终的一致性。
以上，都属于分布式系统协调“方法论”，CAP 理论和 BASE 理论是最常见和面试中最常被问到的知识点。
本文由 创作，采用 知识共享署名4.0 国际许可协议进行许可。本站文章除注明转载/出处外，均为本站原创或翻译，转载前请务必署名。最后编辑时间为: 2021/04/19 08:26