分布式系统学习笔记：一致性、CAP 与实践思考
记录分布式系统核心概念的学习笔记，以及在实践中的一些思考。
CAP 定理
分布式系统无法同时满足以下三个特性，只能三选二：
- 一致性（Consistency）：所有节点在同一时间看到相同的数据。
- 可用性（Availability）：每个请求都能收到响应，但不保证数据最新。
- 分区容错性（Partition tolerance）：网络分区发生时系统仍能继续运行。
由于网络分区不可避免，实际系统通常在 CP 和 AP 之间做权衡。
一致性模型
- 强一致性：写入完成后，所有读操作都能读到最新值（如 Zookeeper、etcd）。
- 最终一致性：经过一段时间后，所有副本收敛到相同状态（如 DNS、对象存储）。
- 因果一致性：有因果关系的操作按序可见，无因果关系的操作可以并发。
常见共识算法
| 算法 | 特点 | 典型应用 |
|---|---|---|
| Raft | 易理解，领导者选举 + 日志复制 | etcd、TiKV |
| Paxos | 理论完备，工程实现复杂 | Chubby、OceanBase |
| Gossip | 去中心化、最终一致 | Cassandra、Redis Cluster |
实践思考
- 优先明确业务对一致性的真实需求，避免过度设计。
- 幂等设计是分布式接口的必修课。
- 完善的监控与链路追踪是排查分布式问题的前提。
小结
分布式系统的复杂度来源于网络、并发与故障，后续会继续记录 Raft 论文阅读与一致性协议的实践内容。