Vamos a ver de manera detallada las tres características del sistema distribuido al que se refiere el teorema CAP.

Consistencia

Consistencia significa que todos los clientes ven los mismos datos al mismo tiempo, independientemente del nodo al que se conecten. Para que esto suceda, siempre que se escriban datos en un nodo, se debe reenviar o replicar al instante a todos los demás nodos del sistema antes de que la escritura se considere 'satisfactoria'.

Disponibilidad

Disponibilidad significa que cualquier cliente que realiza una solicitud de datos obtiene una respuesta, incluso si uno o más nodos están inactivos. Otra forma de indicar esto: todos los nodos activos del sistema distribuido devuelven una respuesta válida para cualquier solicitud, sin excepción.

Tolerancia de partición

Una partición es un quiebre de las comunicaciones dentro de un sistema distribuido: una conexión perdida o temporalmente retardada entre dos nodos. La tolerancia de las particiones significa que el clúster debe continuar trabajando a pesar de las interrupciones de comunicación que se produzcan entre los nodos del sistema.

Las bases de datos NoSQL son ideales para aplicaciones de red distribuidas. A diferencia de sus contrapartes SQL (relacionales) escalables verticalmente, las bases de datos NoSQL son escalables horizontalmente y están distribuidas por diseño: pueden escalar rápidamente a través de una red en crecimiento que consta de múltiples nodos interconectados. (Consulte "Bases de datos SQL vs. NoSQL: ¿Cuál es la diferencia?" para obtener más información).

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

• Base de datos CP: una base de datos CP ofrece coherencia y tolerancia de partición a costa de la disponibilidad. Cuando ocurre una partición entre dos nodos, el sistema tiene que cerrar el nodo no coherente (es decir, dejarlo no disponible) hasta que se resuelva la partición.
  
  
• Base de datos AP: una base de datos AP ofrece disponibilidad y tolerancia de partición a expensas de la coherencia. Cuando se produce una partición, todos los nodos siguen estando disponibles, pero los que se encuentran en el extremo equivocado de una partición podrían devolver una versión de los datos más antigua que los demás (cuando se resuelve la partición, las bases de datos AP suelen volver a sincronizar los nodos para reparar todas las incoherencias en el 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.

Enumeramos el tipo de base de datos CA en último lugar por una razón: en un sistema distribuido, no se pueden evitar las particiones. Entonces, si bien podemos discutir una base de datos distribuida de CA en teoría, para todos los fines prácticos, no puede existir una base de datos distribuida de 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 la replicación.

MongoDB es un popular sistema de gestión de bases de datos NoSQL que almacena datos como documentos BSON (JSON binario). 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 de un solo maestro: cada conjunto de réplicas (enlace externo a ibm.com) 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 principal y lo aplican a su propio conjunto de datos. De forma predeterminada, los clientes también leen desde el nodo principal, pero también pueden especificar una preferencia de lectura (enlace externo a ibm.com) que les permite leer desde nodos secundarios.

Cuando el nodo primario deja de estar disponible, el nodo secundario con el registro de operaciones más reciente se elegirá como el nuevo nodo principal. Una vez que todos los demás nodos secundarios se pongan al día con el nuevo maestro, el clúster volverá a estar disponible. Como los clientes no pueden realizar ninguna solicitud 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 Apache Software Foundation. Es una base de datos de amplia columna que permite almacenar datos en una red distribuida. Sin embargo, a diferencia de MongoDB, Cassandra tiene una arquitectura sin maestría y, como resultado, tiene múltiples puntos de falla, en lugar de una sola.

En relación con el teorema CAP, Cassandra es una base de datos de AP que ofrece disponibilidad y tolerancia de partición, pero no puede entregar consistencia todo el tiempo. Puesto que Cassandra no tiene un nodo maestro, todos los nodos deben estar disponibles continuamente. Sin embargo, Cassandra proporciona consistencia eventual permitiendo a los clientes escribir en cualquier nodo en cualquier momento y reconciliar las inconsistencias lo más rápido posible.

Dado que los datos sólo se vuelven inconsistentes en el caso de una partición de red, y las inconsistencias se solucionan rápidamente, Cassandra ofrece una función de "reparación"  para ayudar a los nodos a ponerse al día con sus compañeros. Sin embargo, la disponibilidad constante resulta en un sistema de alto rendimiento que podría valer el equilibrio en muchos casos.

Los microservicios son componentes de aplicaciones que se pueden despliegan de forma independiente y se acoplan de manera laxa, que incorporan su propia pila, incluyendo su propia base de datos y modelo de base de datos, y se comunican entre sí a través de una red. A medida que puede ejecutar microservicios tanto en servidores en la nube como en centros de datos locales, se han vuelto muy populares para aplicaciones híbridas y multinube.

Comprender el teorema CAP puede ayudarle a elegir la mejor base de datos al diseñar una aplicación basada en microservicios que se ejecuta 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 la 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, puede optar por una base de datos relacional como PostgreSQL.

IBM ofrece una amplia gama de servicios de base de datos totalmente gestionados . En IBM Cloud puede ejecutar sistemas de gestión de bases de datos relacionales, así como

• Cloudant, un almacén de datos distribuido de AP
• DataStax Enterprise, una base de datos basada en Cassandra y construida para la nube híbrida
• MongoDB,Elasticsearch,etcd y otras soluciones de bases de datos.

Para ver toda nuestra selección de bases de datos, regístrese para obtener un IBMid y cree su cuenta de IBM Cloud.