¿Qué es el teorema CAP?

Veamos en detalle las tres características de los sistemas distribuidos a las que se refiere el teorema CAP.

Coherencia

La coherencia significa que todos los clientes ven los mismos datos al mismo tiempo, independientemente del nodo al que se conecten. Para que esto ocurra, cada vez que se escriben datos en un nodo, deben reenviarse o replicarse instantáneamente a todos los demás nodos del sistema antes de que la escritura se considere "correcta".

Disponibilidad

Disponibilidad significa que cualquier cliente que solicite datos obtiene una respuesta, aunque uno o más nodos estén caídos. En otras palabras, todos los nodos que funcionan en el sistema distribuido devuelven una respuesta válida para cualquier solicitud, sin excepción.

Tolerancia a la partición

Una partición es una interrupción de las comunicaciones dentro de un sistema distribuido, una conexión perdida o temporalmente retrasada entre dos nodos. La tolerancia a las particiones significa que el clúster debe seguir funcionando a pesar de cualquier número de cortes de comunicación entre los nodos del sistema.

Las bases de datos NoSQL son ideales para aplicaciones de redes distribuidas. A diferencia de sus homólogas SQL (relacionales), escalables verticalmente, las bases de datos NoSQL son escalables horizontalmente y distribuidas por diseño, pueden ampliarse rápidamente a través de una red en crecimiento formada por múltiples nodos interconectados. (Consulte "SQL vs. NoSQL Databases: What's the Difference?" para obtener más información.)

Hoy en día, las bases de datos NoSQL se clasifican en función de las dos características CAP que soportan:

• Base de datos CP: Una base de datos CP ofrece coherencia y tolerancia a la partición a costa de la disponibilidad. Cuando se produce una partición entre dos nodos cualesquiera, el sistema tiene que apagar el nodo no coherente (es decir, hacerlo no disponible) hasta que se resuelva la partición.
  
  
• Base de datos AP: una base de datos AP ofrece disponibilidad y tolerancia a la partición a costa de coherencia. Cuando se produce una partición, todos los nodos siguen disponibles, pero los que se encuentran en el extremo equivocado de una partición pueden devolver una versión de datos más antigua que los demás.(Cuando se resuelve la partición, las bases de datos AP suelen resincronizar los nodos para reparar todas las incoherencias del sistema.)
  
  
• Base de datos de CA: Una base de datos de CA ofrece coherencia y disponibilidad en todos los nodos. Sin embargo, no puede hacerlo si hay una partición entre dos nodos cualesquiera del sistema y, por tanto, no puede ofrecer tolerancia a fallos.

Las bases de datos CA se mencionan en último lugar por una razón: en un sistema distribuido, la partición es inevitable. Por lo tanto, aunque en teoría podemos hablar de una base de datos distribuida CA, a efectos prácticos no puede existir una base de datos distribuida CA. Esto no significa que no pueda tener una base de datos CA para su aplicación distribuida si la necesita. Muchas bases de datos relacionales, como PostgreSQL, ofrecen coherencia y disponibilidad y se pueden implementar en varios nodos mediante replicación.

MongoDB es un popular sistema de gestión de bases de datos NoSQL que almacena datos como documentos BSON (binary JSON). Se utiliza con frecuencia para big data y aplicaciones en tiempo real que se ejecutan en múltiples ubicaciones diferentes. En relación con el teorema CAP, MongoDB es un almacén de datos CP: resuelve las particiones de red manteniendo la coherencia, pero comprometiendo la disponibilidad.

MongoDB es un sistema maestro único: cada conjunto de réplicas solo puede tener un nodo principal que reciba todas las operaciones de escritura. Todos los demás nodos del mismo conjunto de réplicas son nodos secundarios que replican el registro de operaciones del nodo primario y lo aplican a su propio conjunto de datos. Por defecto, los clientes también leen del nodo primario, pero también pueden especificar una preferencia de lectura que les permita leer de los nodos secundarios.

Cuando el nodo primario deja de estar disponible, el nodo secundario con el registro de operaciones más reciente será elegido como nuevo nodo primario. Una vez que todos los demás nodos secundarios se ponen al día con el nuevo maestro, el clúster vuelve a estar disponible. Como los clientes no pueden hacer ninguna petición de escritura durante este intervalo, los datos permanecen coherentes en toda la red.

Apache Cassandra es una base de datos NoSQL de código abierto mantenida por la Apache Software Foundation. Es una base de datos de columnas anchas que permite almacenar datos en una red distribuida. Sin embargo, a diferencia de MongoDB, Cassandra tiene una arquitectura sin maestro y, como resultado, tiene múltiples puntos de fallo, en lugar de uno solo.

En relación con el teorema CAP, Cassandra es una base de datos AP: ofrece disponibilidad y tolerancia a las particiones, pero no puede ofrecer coherencia en todo momento. Como Cassandra no tiene un nodo maestro, todos los nodos deben estar disponibles continuamente Sin embargo, Cassandra proporciona coherencia eventual permitiendo a los clientes escribir en cualquier nodo en cualquier momento y reconciliando las incoherencias lo más rápidamente posible.

Como los datos sopara ayudar a los nodos a alinearse con sus pares.lo se vuelven incoherentes en caso de partición de la red y las incoherencias se resuelven rápidamente, Cassandra ofrece la funcionalidad de "reparación" para ayudar a los nodos a ponerse al día con sus pares. Sin embargo, la disponibilidad constante da como resultado un sistema de alto rendimiento que en muchos casos podría valer la pena.

Los microservicios son componentes de aplicación enlazados de forma flexible que pueden implementarse independientemente. Integran su propia pila, incluida su propia base de datos y modelo de base de datos, y se comunican entre sí a través de una red. Como se pueden ejecutar microservicios tanto en servidores en la nube como en centros de datos locales, se han hecho muy populares para aplicaciones híbridas y multinube.

Comprender el teorema CAP puede ayudarle a elegir la mejor base de datos cuando diseñe una aplicación basada en microservicios que se ejecute desde varias ubicaciones. Por ejemplo, si la capacidad de iterar rápidamente el modelo de datos y escalar horizontalmente es esencial para su aplicación, pero puede tolerar una coherencia eventual (en lugar de estricta), una base de datos AP como Cassandra o Apache CouchDB puede satisfacer sus requisitos y simplificar su implementación. Por otro lado, si su aplicación depende en gran medida de la coherencia de los datos, como en una aplicación de comercio electrónico o un servicio de pago, podría optar por una base de datos relacional como PostgreSQL.