cap

在足球比赛里，一个球员在一场比赛中进三个球，称之为帽子戏法(Hat-trick)。在分布式数据系统中，也有一个帽子原理(CAP Theorem)，不过此帽子非彼帽子。CAP原理中，有三个要素： 一致性( C onsistency) 可用性( A vailability) 分区容忍性( P artition tolerance) CAP原理指的是，这三个要素最多只能同时实现两点，不可能三者兼顾。因此在进行分布式架构设计时，必须做出取舍。而 对于分布式数据系统，分区容忍性是基本要求 ，否则就失去了价值。因此设计分布式数据系统，就是在一致性和可用性之间取一个平衡。对于大多数web应用，其实并不需要强一致性，因此牺牲一致性而换取高可用性，是目前多数分布式数据库产品的方向。 当然，牺牲一致性，并不是完全不管数据的一致性，否则数据是混乱的，那么系统可用性再高分布式再好也没有了价值。牺牲一致性，只是不再要求关系型数据库中的强一致性，而是只要系统能达到 最终一致性 即可，考虑到客户体验，这个最终一致的时间窗口，要尽可能的对用户透明，也就是需要保障“用户感知到的一致性”。通常是通过数据的多份异步复制来实现系统的高可用和数据的最终一致性的，“用户感知到的一致性”的时间窗口则取决于数据复制到一致状态的时间。 最终一致性(eventually consistent) 对于一致性

Im having setup a empty git repo bare on the server side and everything setup. Cap deploy:setup does this [109.etc] env RAILS_ENV=production sh -c 'git clone git@109.etc:srv/paintings.git /srv/paintings/current' ** [out :: 109.etc] Initialized empty Git repository in /srv/paintings/current/.git/ ** [out :: 109.etc] The authenticity of host '109.etc (109.etc)' can't be established. ** [out :: 109.etc] RSA key fingerprint is e9:af:d6:d3:0e:f5:de:a3:4a:31:6e:8e:4a:c7:b7:ee. ** [out :: 109.etc] Are you sure you want to continue connecting (yes/no)? *When I type yes or y it just "hangs" nothing

【ACID】 在传统数据库系统中，事务具有 ACID 4 个属性（ Jim Gray 在《事务处理：概念与技术》中对事务进行了详尽的讨论）。 原子性（Atomicity）：事务是一个原子操作单元，其对数据的修改，要么全都执行，要么全都不执行。 一致性（Consistent）：在事务开始和完成时，数据都必须保持一致状态。这意味着所有相关的数据规则都必须应用于事务的修改，以保持数据的完整性；事务结束时，所有的内部数据结构（如B树索引或双向链表）也都必须是正确的。 隔离性（Isolation）：数据库系统提供一定的隔离机制，保证事务在不受外部并发操作影响的“独立”环境执行。这意味着事务处理过程中的中间状态对外部是不可见的，反之亦然。 持久性（Durable）：事务完成之后，它对于数据的修改是永久性的，即使出现系统故障也能够保持。 对于单个节点的事务，数据库都是通过并发控制（两阶段锁 - two phase locking 或者多版本 - multiversioning）和恢复机制（日志技术）保证事务的 ACID 特性。对于跨多个节点的分布式事务，通过两阶段提交协议（two phase commiting）来保证事务的 ACID 。 可以说，数据库系统是伴随着金融业的需求而快速发展起来。对于金融业，可用性和性能都不是最重要的，而一致性是最重要的，用户可以容忍系统故障而停止服务

由集中式系统到分布式系统的发展，事务的原则也有原先的ACID发展成了CAP/BASE。 ACID 事务(Transaction)是由一系列对系统中数据进行访问和更新的操作锁组成的一个程序执行逻辑单元(Unit)，狭义上的事务特指数据库事务。 事务具有四个特征，分别是原子性(Atomicity)、一致性(Consistency)、隔离性(Isolation)和持久性(Durability)，简称事务的ACID特性。 原子性：事务必须是一个原子的操作序列单元，要么全部成功，要么全部失败。 一致性：事务的执行不能破坏数据库数据的完整性和一致性，一个事务在执行之前和执行之后，数据库都必须处于一致性状态。 隔离性：并发的事务是相互隔离的，一个事务的执行不能被其他事务干扰，定义了4个事务隔离级别。 持久性：事务一旦提交，他对数据库中对应数据的状态变更就应该是永久性的。 CAP和BASE理论 集中式系统中事务可以容易的满足ACID这几个特性，但是对于一个高访问量、高并发的互联网分布式系统来说，如果我们期望实现一套严格满足ACID特性的分布式事务，很可能出现的情况就是在系统的可用性和严格一致性之间出现冲突，因为当我们要求分布式系统具有严格一致性时，很可能就需要牺牲掉系统的可用性。 可用性和一致性又是分布式系统不可或缺的两个属性，在可用性和一致性之间永远无法存在一个两全其美的方案

原文同步至 http://waylau.com/cap-theorem/ 本文介绍了介绍了分布式系统著名的 CAP 理论。什么是 CAP 理论？为什么说 CAP 只能三选二？了解 CAP 对于系统架构又有什么指导意义？本文将一一作答。 什么是 CAP 理论 在计算机科学理论，CAP 定理（也称为 Brewer 定理），是由计算机科学家 Eric Brewer 提出的，即在分布式计算机系统不可能同时提供以下全部三个保证： 一致性（Consistency）：所有节点同一时间看到是相同的数据； 可用性（Availability）：不管是否成功，确保每一个请求都能接收到响应； 分区容错性（Partition tolerance）：系统任意分区后，在网络故障时，仍能操作 为什么说 CAP 只能三选二 下面分别举例说明了为什么说 CAP 只能三选二。 上面的图显示了在一个网络中，N1 和 N2 两个节点。他们都共享数据块 V，其中有一个值 V0 。运行在 N1 的 A 程序可以认为是安全的、无 bug、可预测的和可靠的。运行在 N2 是 B 程序。这个例子中，A 将写入 V 新​值，而 B 从 V 读取值 系统预期执行下面的操作 首先写一个 V 的新​值 V1 然后消息（M）从 N1 更新 V 的拷贝到 N2 现在，从 B 读取将返回 V1 如果网络是分区的，当 N1 到 N2

Under a 32-bit operating system, where maximum memory allocated to any one program is limited, Mathematica gracefully terminates the kernel and returns a max memory allocation error. On a 64-bit OS however, Mathematica will freely use all the memory available and grind the system to a halt. Therefore, what is the correct way to cap memory usage? One could use MemoryConstrained combined with $Pre or CellEvaluationFunction but I would rather not tie up either of those for this purpose, or have to modify existing uses to incorporate this function. Is there another way to globally restrict memory