如何理解CAP定理的“可用性”？

Question

我不知道这是不是个合适的问题。

我们知道，在CAP定理中，"A“的意思是”可用性“。在维基百科上，对“可用性”的解释是：

Availability: a guarantee that every request receives a response about whether it was successful or failed

然而，从工程的角度来看，没有绝对的可用性。我们只能说一个系统的可用性是5'9'(99.999%)，甚至8'9'，但我们不能说一个系统的可用性是100%，100%的可用系统实际上是不存在的，即使系统有数以百万计的重复节点，对吗？

CAP定理证明，没有一个系统能同时满足这三个要求。我的问题是，如果一个系统声称同时满足"A“和"P"，那么这个"A”的确切含义是什么? 6'9‘，甚至更高？

Answer 1

我建议您避免使用维基百科，而是阅读吉尔伯特和林奇提供的证据中提供的定义。

“系统中一个永不失败的节点接收到的每一个请求都必须得到响应”

以及回答你问题的相关脚注

布鲁尔最初只要求几乎所有的请求都能收到响应。由于允许概率可用性不会改变发生任意故障时的结果，为了简单起见，我们要求100%的可用性

因此，如果几乎所有请求都收到响应，或者我们允许出现任意故障，则可以认为系统具有高可用性。

Answer 2

CAP中的可用性意味着“所有(永不失败的)节点都可用于查询”。这与维基百科的链接无关，它是关于“高可用性”的。

例如，PAXOS算法是CP (无可用性属性)，因为少数节点在分区期间“关闭”。但是如果您需要一致性，那么PAXOS就被认为是“高可用性”。

相反，单节点MySQL数据库服务器是CA (具有CAP可用性属性)。它可以重新启动(当它执行BIOS检查、FileSystem检查、DB修复等操作时，可以关闭几个小时)。当它完成引导时，它再次开始响应查询。这是完美的可用性(根据CAP定理)，但对于“高可用性”来说却是可怕的可用性。

Answer 3

我同意马克·伯吉斯的观点：CAP定理不是定理。Brewer猜想中CAP性质的定义不够精确，不能提供严格的数学证明。因此，可用性之所以难以“理解”，可能是因为在这种情况下定义得不够清楚。