---

---

一、大数据的计算

云计算基于：
1.大规模的分布式计算和存储
2.通过网络访问，方便用户通过多种接入方式

1.与大数据的关系

通俗点说，我们要是以大数据为数据源，以云计算为工具，从而达成我们的目标。

2.定义
一种商业计算模型，计算任务分布在大量计算机构成的资源池上，使各种应用系统能够根据需要获取计算力、存储空间和信息服务。
再通俗的说，就是通过网络我们就可以获得廉价的计算服务。

3.七大特点
超大规模、虚拟化、高伸缩性、高可靠性、通用性、按需服务、极其廉价。

4.三大分类

eg：

5.发展现状
国外：亚马逊的Amazon Web（AWS），谷歌，微软的MIcrosoft
国内：阿里云，华为云、腾讯云、七牛云等

二、理论基础

1.CAP理论

• C（一致性）：所有的节点上的数据时刻保持同步
• A（可用性）：每个请求都能接受到一个响应，无论响应成功或失败
• P（分区容错）：系统应该能持续提供服务，即使系统内部有消息丢失（分区）

一个分布式系统最多只能同时满足两项。

2.CAP权衡

• CA (一致性+可用) without P：如果不要求P（分区容错性），则C（强一致性）和A（可用性）是可以保证的。但其实分区始终会存在，因此CA的系统更多的是允许分区后各子系统依然保持CA。
• CP (一致性+分区)without A：如果不要求A（可用），相当于每个请求都需要在Server之间强一致，而P（分区）会导致同步时间无限延长，如此CP也是可以保证的。很多传统的数据库分布式事务都属于这种模式。
• AP (可用+分区) without C：要高可用并允许分区，则需放弃一致性。一旦分区发生，节点之间可能会失去联系，为了高可用，每个节点只能用本地数据提供服务，而这样会导致全局数据的不一致性。现在众多的NoSQL都属于此类。

BASE是指基本可用（Basically Available）、软状态（Soft State）、最终一致性（Eventual Consistency）。

基本可用是指分布式系统在出现故障的时候，允许损失部分可用性，即保证核心可用。电商大促时，为了应对访问量激增，部分用户可能会被引导到降级页面，服务层也可能只提供降级服务。这就是损失部分可用性的体现。

软状态是指允许系统存在中间状态，而该中间状态不会影响系统整体可用性。分布式存储中一般一份数据至少会有三个副本，允许不同节点间副本同步的延时就是软状态的体现。例如MySQL replication的异步复制就是这种体现。

最终一致性是指系统中的所有数据副本经过一定时间后，最终能够达到一致的状态。