问题标签 [cap-theorem]

假设我有一个聊天应用程序。

客户端向聊天室发送消息，从而向某个 Actor 发出一些命令。现在，我想立即处理他写的内容，并在此聊天中提供给其他用户，所以我处理了这个命令。同时我想告诉自己（一个演员），我需要将此消息存储在聊天历史数据库中，但不是现在。保存到数据库应该每 2 分钟发生一次。如果发生崩溃，我应该能够坚持到数据库。

我假设工作流程是这样的：

1. 用户发送消息
2. 聊天室参与者收到带有此消息的命令
3. 我们将这条消息广播给每个人，并将这条消息添加到某种队列中，以将其保存到聊天历史数据库中
4. 一些持久命令在 2 分钟超时后运行。它按照到达的顺序收集所有尚未持久化的传入聊天消息
5. 对所有消息运行事务，然后将它们从队列中删除。
6. 如果在 3 之后某处发生崩溃并且消息没有持久化，那么我应该尝试再次持久化它们。如果他们被坚持，我不应该再尝试坚持他们。

如何在 Akka 中构建这样的东西？我应该使用哪些功能/哪些模式？

根据我目前所读到的关于 CAP 定理的所有内容，没有一个分布式系统可以同时提供以下三个方面：可用性、一致性和分区容错性。

现在，Hadoop 2.x 引入了一项新功能，可以对其进行配置以消除 hadoop 集群所具有的单点故障（单个名称节点）。这样，集群就变得高度可用、一致且具有分区容错性。我对吗？还是我错过了什么？根据 CAP 的说法，如果系统试图提供所有这三个功能，它应该为延迟付出代价，新功能是否会将这种延迟添加到集群中？还是 Hadoop 破解了 CAP 定理？

如果我正确理解了 CAP 定理，可用性意味着即使节点出现故障，集群也会继续运行。

我见过很多人（http://blog.nahurst.com/tag/guide）将RDBMS列为CA，但我不明白RBDMS是如何可用的，好像一个节点宕机，集群必须宕机保持一致性。

我对此唯一可能的答案是大多数 RDBMS 都是单个节点，因此没有“非故障”节点。但是，这似乎是一个技术问题，而不是真正的“可用性”，也绝对不是高可用性。

谢谢你。

我对CAP 缩写的理解如下：

• 一致：每次读取都会获得最近的写入
• A vailable：每个节点都可用
• Partion Tolerant：当节点之间的网络连接断开时，系统可以继续维护 A 和 C 承诺

假设我的理解或多或少处于正轨，那么有些事情困扰着我。

AFAIK，可用性是通过以下任何技术实现的：

• 负载均衡
• 复制到灾难恢复系统

因此，如果我有一个我已经知道是 CP 的系统，为什么我不能通过应用这些技术之一使其也可用来“使其成为完整的 CAP ”？我确定我在这里遗漏了一些重要的东西，只是不确定是什么。

Zookeeper Watches文档指出：

“客户端将在看到与该 znode 对应的新数据之前看到它正在观察的 znode 的观察事件。” 此外，“因为 watch 是一次性触发器，并且在获取事件和发送新请求以获取 watch 之间存在延迟，因此您无法可靠地看到 ZooKeeper 中节点发生的每一个变化。”

关键是，不能保证您会收到观看通知。

这很重要，因为在像 Clojure 的Avout这样的系统中，您正在尝试使用Zookeeper在网络上模仿 Clojure 的软件事务内存。这依赖于每次更改都有一个监视通知。

现在我正在尝试确定这是一个编码缺陷，还是一个基本的计算机科学问题，（即CAP 定理）。

我的问题是：Zookeeper Watches 系统是否存在错误，或者这是 CAP 定理的限制？

CAP 定理对我来说似乎是合乎逻辑的。我明白那个：

如果我在分布式系统上具有一致性，我必须等待所有事务。ACID 的成本是在所有网络上复制数据的时间。

但是 Marklogic 怎么能两者兼得。ACID 和分布式系统没有延迟？
那么是否可以在同一个数据库上拥有 BASE 和 ACID 属性？
那么CAP定理错了吗？

根据CAP 定理的定义，任何分布式系统只能满足两个条件。从逻辑上思考，我觉得像 Dropbox 这样的云服务一次就能满足 C,P。C 这样即使您更新了一个节点中的数据，数据也会立即复制到另一个节点。

正确答案是 P,A（分区容差和可用性）。现在云服务可以同时兼具 P&A 功能吗？

对此有何见解？谢谢 ：）

根据图片： 1. 为什么是 Mongodb,...(CP) 2. 为什么是 CouchDB,..(AP) 3. 为什么是 Rdbms (CA)

注意：为什么分区容差对 RDBMS 来说并不重要？

CAP 定理表明分布式系统只能为您提供三个选项中的两个选项：一致性、可用性和分区 容错性，其余选项将提供其他选项。事实上，为什么我们不能把这三个放在一起呢？请举例说明。

它必须是一致的，因为它是一个 SQL 分布；它具有分区容错性，因为它存储在云中并且具有高可用性。那么它究竟牺牲了什么？