标签: cap-theorem

无论我到哪里,我都看到MongoDB是CP.但是当我深入挖掘时,我发现它最终是一致的.当你使用safe = true时它是CP吗？如果是这样,这是否意味着当我使用safe = true写入时,所有副本将在获得结果之前更新？

为什么使用HBase比使用一个更好的选择Cassandra用Hadoop？

任何人都可以对此进行详细解释吗？

谢谢

关于RDBMS在CAP定理中是CA的两点我不明白:

1)它说RDBMS 不是 分区容忍但是RDBMS如何比MongoDB或Cassandra等其他技术更少分区容忍？是否存在RDBMS设置,我们放弃CA以使其成为AP或CP？

2)CAP如何可用？是通过主从设置吗？在主机死机时,从机接管写入？

我是DB架构和CAP定理的新手所以请耐心等待.

这里有一个很好的讨论,关于使用Kingsby的Jesper库模拟Cassandra中的分区问题.

我的问题是 - 在Cassandra你主要关注CAP定理的分区部分,还是一致性是你需要管理的一个因素？

如果我正确理解CAP定理,则可用性意味着即使节点出现故障,群集也会继续运行.

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,就好像一个节点出现故障,集群必须关闭保持一致性.

我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,这似乎是一种技术性,而不是真正的"可用性",绝对不是高可用性.

谢谢.

ZooKeeper总是CP(就CAP定理而言)是否正确？或者无论如何使用它作为服务发现需求的AP？

我开始了解Apache Kafka.这篇https://engineering.linkedin.com/kafka/intra-cluster-replication-apache-kafka文章指出Kafka是CAP-Theorem中的CA系统.因此,它侧重于副本之间的一致性以及整体可用性.

我最近听说过CAP-Theorem的扩展名为PACELC(https://en.wikipedia.org/wiki/PACELC_theorem).这个定理可以这样形象化:

我的问题是如何在PACELC中描述Apache Kafka.我认为Kafka会关注分区发生时的一致性,但如果没有分区则会出现什么情况呢？重点是低熟度还是强一致性？

谢谢!

最近，S3宣布了强读写一致性。我很好奇如何编程。它不违反CAP定理吗？

在我看来，最简单的方法是等待复制发生然后返回，但这会导致性能下降。

AWS 表示没有性能差异。这是如何实现的？

另一个想法是亚马逊有一个巨大的索引表，可以跟踪所有 S3 对象及其存储位置（我相信是三重复制）。它需要在每次 PUT/DELTE 时更新此索引。这在技术上可行吗？

使用DynamoDB,两个独立的客户端尝试使用条件写入同时写入同一项目,并尝试更改条件引用的值.显然,其中一个写入注定要通过条件检查失败; 没关系.

假设在写入操作期间发生了一些不好的事情,并且一些不同的DynamoDB节点失败或失去了彼此的连接.我的写操作会怎么样？

它们会阻塞还是失败(在CAP定理中牺牲"A")？他们俩似乎都会成功吗？事后才发现他们中的一个实际上被忽略了(牺牲了"C")？或者,由于DynamoDB系统中存在一些魔法(一致的散列？),它们是否会以某种方式正常工作？

这似乎是一个非常难的问题,但我找不到任何讨论条件写入可用性问题的可能性(例如,与一致读取不同,其中可用性降低的可能性是明确的).

这是来自Kubernetes 文档：

一致且高度可用的键值存储用作 Kubernetes 所有集群数据的后备存储。

Kubernetes 内部是否有单独的机制来使 ETCD 更可用？或者 ETCD 是否使用 Raft 的修改版本来实现这种超能力？