Soy nuevo en el teorema de CAP. ¿Qué letra se descarta (C o A) en las configuraciones comunes de bases de datos distribuidas?

Answer 1

CAP no tiene nada que ver con las estrategias de replicación utilizadas por los administradores de datos “monolíticos”, que es el contexto habitual de las nociones de “maestro-maestro” o “maestro-esclavo”. En estos entornos, todo el conjunto de datos está destinado a mantenerse en la “cosa principal” y la “otra cosa”.

Muchas de las bases de datos distribuidas inherentemente de NoSQL usan arreglos “en anillo” que son similares, en principio, a los esquemas RAID utilizados por los controladores de disco (y más recientemente SSD): se usa algún tipo de clave de fragmentación para esencialmente “dividir” los datos en varios instancias del servidor, por lo que si uno falla, puede usar los datos almacenados en otras instancias para “ponerse al día” con el servidor una vez que vuelva a funcionar o para reconstruirlo por completo si está muerto y reemplazado por una instancia vacía que comienza “en blanco”.

La mayoría de los sistemas de bases de datos de los que he escuchado que implementan arquitecturas como las anteriores generalmente apuntan a Consistencia (sistemas de bases de datos) versus Disponibilidad (la mayoría de estas arquitecturas tienen un “nodo activo” que acepta escrituras y envía errores si la escritura original no lo hace) t pasar) y Tolerancia de partición (esencialmente la propiedad “RAIDy” anterior en el contexto de una base de datos).

Apache Cassandra, que más conozco, tiene varias configuraciones de quórum de “quórum” (computación distribuida) para establecer el número de nodos de instancia que desea requerir para aceptar una escritura antes de que devuelva “éxito” a la aplicación. Esto le permite controlar el nivel de consistencia que desea (a costa de un rendimiento de escritura efectivo).

Answer 2

Este libro (gratuito, en línea) responde a esta pregunta con cierta profundidad. Sistemas distribuidos

Y este blog también lo cubre: Sistemas distribuidos, en teoría y en la práctica.

Y esto solo en: “Por favor, deje de llamar a las bases de datos CP o AP”.

Answer 3

En algunos sistemas, la disponibilidad se ve comprometida, lo que provoca tiempos de respuesta para diferentes datos. Los datos locales son más rápidos y los datos no locales son más lentos.

También es importante recordar que no tiene que ser todo o nada. Puede haber niveles de compromiso.

Answer 4

Muchos de los sistemas tienen poca consistencia (la consistencia eventual no lo es), y con suficiente replicación, la tolerancia y la disponibilidad de la partición pueden ser buenas, por lo que supongo que C es el más maleable de los tres en la práctica.