Non-Functional Requirements & Nguyên lý nền tảng
Scalability, Availability, Reliability, Consistency — định nghĩa chính xác, đo lường được, và CAP/PACELC theorem chi phối mọi hệ thống phân tán.
"Hệ thống cần nhanh, ổn định, và scale được" là một câu vô nghĩa cho đến khi được lượng hoá — kiến trúc sư giỏi luôn biến yêu cầu phi chức năng (Non-Functional Requirements — NFR) mơ hồ thành số liệu cụ thể trước khi thiết kế bất kỳ giải pháp nào. CAP/PACELC theorem là quy luật vật lý của hệ thống phân tán — không hiểu nó dẫn đến những lời hứa không thể giữ được (ví dụ "vừa consistent tuyệt đối vừa available 100% khi mất mạng" — về mặt lý thuyết là bất khả thi).
🎯 Mục tiêu học tập
- Định nghĩa và đo lường chính xác Scalability, Availability, Reliability, Consistency
- Áp dụng CAP theorem và PACELC (mở rộng thực tế hơn) để hiểu giới hạn cứng của hệ thống phân tán
- Phân biệt Strong Consistency và Eventual Consistency, biết khi nào chấp nhận được cái nào
- Viết NFR cụ thể, đo lường được cho 1 hệ thống thật thay vì mô tả mơ hồ
4 trụ cột NFR — định nghĩa chính xác
| Trụ cột | Định nghĩa đo lường được |
|---|---|
| Scalability | Hệ thống xử lý được tải tăng thêm bằng cách thêm tài nguyên (scale-out/scale-up) mà không suy giảm hiệu năng theo tỉ lệ tương ứng — đo bằng throughput tối đa ở mức latency chấp nhận được |
| Availability | Tỉ lệ thời gian hệ thống phản hồi được request — đo bằng "số 9" (99.9% = ~8.7h downtime/năm, 99.99% = ~52 phút/năm) — chính là SLO đã học ở khoá DevOps Module 11 |
| Reliability | Hệ thống trả về kết quả đúng, không chỉ trả lời — khác Availability (có thể "available" nhưng trả kết quả sai) |
| Consistency | Mọi client nhìn thấy cùng 1 dữ liệu tại cùng 1 thời điểm (Strong) hoặc sau một khoảng trễ chấp nhận được (Eventual) — chi tiết bên dưới |
"Hệ thống cần nhanh" không nói lên được gì — "P95 latency dưới 200ms ở 1000 request/giây" mới là NFR kiến trúc sư có thể thiết kế theo. Luôn ép yêu cầu mơ hồ thành con số cụ thể trước khi bắt đầu thiết kế.
CAP Theorem — quy luật vật lý của hệ phân tán
Với một hệ thống phân tán có phân vùng mạng (Partition — 2 node không liên lạc được với nhau, điều chắc chắn sẽ xảy ra ở quy mô đủ lớn), bạn chỉ có thể chọn tối đa 2 trong 3:
- Consistency: mọi node trả về dữ liệu mới nhất giống nhau
- Availability: mọi request đều nhận được phản hồi (không lỗi)
- Partition Tolerance: hệ thống tiếp tục hoạt động dù mạng bị chia cắt
Vì Partition Tolerance gần như bắt buộc với hệ thống phân tán thật (mạng luôn có thể lỗi), lựa chọn thực tế luôn là giữa CP (nhất quán, chấp nhận từ chối request khi có partition — ví dụ hệ thống ngân hàng) hoặc AP (luôn trả lời, chấp nhận dữ liệu có thể cũ — ví dụ newsfeed mạng xã hội).
PACELC — mở rộng thực tế hơn CAP
CAP chỉ nói về hành vi khi có Partition (P). PACELC bổ sung điều quan trọng không kém: ngay cả khi không có Partition (Else — E), vẫn phải đánh đổi giữa Latency (L) và Consistency (C) — muốn đọc/ghi nhanh (latency thấp) thường phải hy sinh một phần nhất quán (ví dụ đọc từ read replica có thể trễ vài mili-giây so với node ghi chính).
PACELC giải thích rõ hơn nhiều quyết định thiết kế thực tế: PA/EL (DynamoDB, Cassandra — ưu tiên availability khi có partition, ưu tiên latency khi bình thường) vs PC/EC (nhiều RDBMS truyền thống có replication đồng bộ — luôn ưu tiên consistency, chấp nhận chậm hơn).
Strong vs Eventual Consistency — khi nào chấp nhận được cái nào
| Loại dữ liệu | Mức Consistency phù hợp | Lý do |
|---|---|---|
| Số dư tài khoản ngân hàng | Strong | Sai lệch dù nhỏ cũng không chấp nhận được — hậu quả tài chính/pháp lý |
| Số lượt like trên bài đăng mạng xã hội | Eventual | Chậm cập nhật vài giây không ảnh hưởng gì đến trải nghiệm hay quyết định người dùng |
| Tồn kho sản phẩm thương mại điện tử | Tuỳ ngữ cảnh — thường Strong ở bước thanh toán, Eventual ở bước hiển thị | Hiển thị "còn hàng" có thể chậm cập nhật, nhưng xác nhận đặt hàng phải chính xác tuyệt đối để tránh bán vượt tồn kho |
Nguyên tắc thực dụng: không cần Strong Consistency cho toàn bộ hệ thống — phân loại từng loại dữ liệu theo mức độ chấp nhận được sai lệch, áp dụng Eventual Consistency (rẻ hơn, nhanh hơn, available hơn) cho phần lớn dữ liệu, chỉ dùng Strong Consistency cho phần thực sự cần thiết.
🏋️ Bài tập thực hành
Chọn 1 hệ thống đã xây ở các khoá trước (RAG API, ứng dụng Laravel). Viết đầy đủ NFR có số liệu cụ thể: throughput mục tiêu, latency P50/P95/P99, availability target (dạng số 9), và với mỗi loại dữ liệu chính trong hệ thống, xác định rõ Strong hay Eventual Consistency phù hợp, kèm lý do.
📚 Tài nguyên học tập
-
IBM — What is the CAP theorem?Giải thích CAP theorem dễ hiểuBài viết
-
Daniel Abadi — Problems with CAP, and Yahoo's little known NoSQL system (PACELC gốc)Bài viết gốc giới thiệu PACELCBài viết
✅ Tự đánh giá hoàn thành
- Định nghĩa đo lường được cho cả 4 trụ cột NFR
- Giải thích được CAP theorem và áp dụng đúng cho 1 tình huống cụ thể
- Giải thích được PACELC mở rộng CAP ra sao
- Phân loại đúng loại dữ liệu nào cần Strong vs Eventual Consistency