什么是CAP理论

CAP理论是指在分布式系统设计中，没有一种设计可以同时满足Consistency（一致性）、 Availability（可用性）、Partition tolerance（分区容错性）3个特性，这三者不可得兼。

CAP即：

• C：Consistency（一致性）
• A：Availability（可用性）
• P：Partition tolerance（分区容忍性）

一致性（C）

在分布式系统中，对于不同客户端的每次读操作，要么读到的是最新的数据，要么读取失败，保证在同一时刻读到的值都是一样的，通俗的讲就是要么返回一个错误，要么返回绝对一致的最新数据，其强调的是数据正确。

可用性（A）

要求服务在接受到客户端的请求后，都能够给出响应，服务可用性考量的是系统的可用性，要求系统在高并发和部分节点宕机的情况下，系统整体依然能够响应客户端的请求。通俗的讲我一定会给出响应，不会给你返回错误，但不保证数据是最新的，强调的是不出错。

分区容忍性（P）

在分布式系统中，不同节点之间通过网络进行通信，基于网络的不可靠性，位于不同网络分区的节点可能会通信失败，如果系统能够容忍这种情况，说明它是满足分区容错性的。通俗的讲就是不管我的内部出现何种数据同步问题，我会一直运行，强调的是不挂掉。

CAP 怎么选择

对于一个分布式系统而言，首先要满足分区容忍性，因为只要有网络交互就一定会有延迟和数据丢失，这种情况我们必须接受，必须保证系统不能挂掉，否则分布式系统的扩展将会受到限制，即服务节点的部署数量和地区将会受限，违背了分布式系统设计的初衷，所以一般来讲分布式系统都会满足分区容忍性，所以只剩下C、A可以选择，要么保证数据一致性，要么保证可用性。那么我们怎么来权衡选择呢？选择的关键点取决于业务场景。

举例：

假设有两个实例A1和A2，它们之间的网络通信出现了异常，基于分区容忍性，这并不会影响A1和A2的独立正常运行，如上图示例1，若此时用户1请求A1修改某数据，用户2请求节点2访问数据且返回了更新前的数据，这将满足服务可用性，但并不能满足数据一致性。如示例2，如果A2需要等待A1的通知后才返回正确的数据，虽然满足了数据一致性，但无法响应客户端请求，违背了服务可用的指标。

既然一个分布式系统无法同时满足一致性、可用性、分区容错性三个特点，所以我们就需要抛弃一样：

CA

放弃分区容错性，加强一致性和可用性，其实就是传统的单机数据库的选择。

AP

放弃一致性（这里说的一致性是强一致性），追求分区容错性和可用性，这是很多分布式系统设计时的选择，是大多数互联网应用的选择，因为机器数量庞大，部署节点分散，网络故障是常态，可用性是必须保证的。

CP

放弃可用性，追求一致性和分区容错性，基本不会选择，网络问题会直接让整个系统不可用。如银行等对数据一致性要求比较高的系统。

总结

• CAP理论是在设计分布式系统的过程中，处理数据一致性问题时必须考虑的理论。
• 在分布式系统中，P是前提，本质上是对C、A的选择，可根据实际情况进行权衡。