CAP 理论基本概念
在理论计算机科学中，CAP定理 (CAP theorem)，又被称作布鲁尔定理 (Brewer’s theorem)，它指出对于一个分布式计算系统来说，不可能同时满足以下三点：
- 一致性 (Consistency)：等同于所有节点访问同一份最新的数据副本；
- 可用性 (Availability)：每次请求都能获取到非错的响应——但是不保证获取的数据为最新数据；
- 分区容错性 (Partition tolerance)：以实际效果而言，分区相当于对通信的时限要求。系统如果不能在时限内达成数据一致性，就意味着发生了分区的情况，必须就当前操作在 C 和 A 之间做出选择；
【简单解释：分区容错性是，尽管任意数量的消息因节点间的网络问题而丢失或者延迟，系统仍能正确运行】
对于一个分布式系统来说，不可能同时满足以上三点。
CAP 理论的理解
对于一致性：
同一份意味着所有数据节点中的数据都要是一致的，最新意味着这些数据不能都是错误的。对于可用性：意味着给一个成功的响应就行，获取的数据不一定是最新的。
对于分区容错性：尽管因节点之间的网络问题，任意数量的消息被丢失或者延迟（网络丢包，网络中断），系统仍能保证不崩溃（系统能够容忍这些问题）
❗️CAP 中的一致性 C 和数据库事务 ACID 特性中的一致性 C 不同。
ACID 中 C 指的是事务的一致性状态，即：数据库任何数据库事务修改数据必须满足定义好的规则，包括数据完整性 (约束)、级联回滚、触发器等。
CAP 中的 C 可理解为数据副本的一致性，即：集群中的所有副本的值都是一样的。
为什么 CAP 三者无法共存
在没有网络分区和网络波动的情况下，我们无需为了 P 而舍弃 C 或者 A；但是一个大集群中的网络几乎无时不刻都存在问题 (网络分区或者网络波动时刻发生)，因此：为了保证 P (让整个分布式系统还是可用的)，就要舍弃 C 和 A 中的一个。
在不考虑副本投票选举 (Quorum Replication) 和共识 (Consensus) 算法的情况下：假设存在 3 个副本，则对于这 3 个副本的写入有 2 种可能的方案：
- \(W=1\)（一写）：向 3 个副本写入，只要 1 个副本返回写入成功即认为成功；
- \(W=3\)（三写）：向 3 个副本写入，必须 3 个副本都写入成功才认为成功；
一写的情况下，由于只要有一个副本写入成功即可返回成功；当存在网络分区后 (如图 S1 的网络和其他节点中断)，三台机器的数据就可能出现不一致的情况，因此无法保证 C；但由于可以正常的返回写入成功，所以 A 可以保证。
三写的情况下，要三个副本都写入成功才可返回成功，出现网络分区的故障后，由于无法保证三个节点都写入成功，因此最终会返回报错，所以没有保证 A；但由于数据没有被成功写入，因此保证了 C。
用 CAP 理论分析分布式数据库
前面提到，在分布式的环境下，P 一定存在。因此一旦出现了网络分区，一致性和可用性就一定要抛弃一个。
- 对于 NoSQL 数据库，由于更加注重可用性（例如：缓存等场景），因此会是一个 AP 系统；
- 对于分布式关系型数据库，必须要保证一致性，因此就是一个 CP 系统；
❗️虽然分布式关系型数据库是一个 CP 系统，但是仍然是具有高可用性需求的，虽然达不到理论上 100% 的可用性，但是一般都具备5个9（99.999%）以上的高可用（如通过主备切换，重新选主等，还是能恢复正常服务的）。
所以可将分布式关系型数据库看作是 CP + HA (Hign Availability) 的系统，也因此产生了两个重要且广泛使用的指标：
- RPO (Recovery Point Objective，恢复点目标)：指数据库在灾难发生后会丢失多长时间的数据。分布式关系型数据库 RPO = 0；
- RTO (Recovery Time Objective，恢复点时间)：指数据库在灾难发生后到整个系统恢复正常所需要的时间。分布式关系型数据库 RTO < 几分钟。
可以认为：
- RPO 对应了 CAP 中的 C，因此一般情况下 RPO 都是 0，因为数据一致性是保证的，没有副本丢失数据；
- RTO 对应 HA，虽然不能完全保证 A，但是可以达到高可用；
辩证看待 CAP 理论
CAP 理论是一个证明在现实场景下你无法达到什么的理论（即：追求CAP都保证），这个理论限制了分布式系统设计者的行为，类似于能量守恒理论限制了你无法设计出永动机。
其 C 和 A 的条件都太过极端，就导致有些理解不深入的设计者认为选取了一个，就一定抛弃了另一个。实际设计一个系统时，是要根据实际场景，在保证一个指标的同时，对另一个指标进行 降级 处理，尽量的去保证另一指标。也就是一个 tradeoff 的过程。
用 CAP 视角看目前成熟的分布式方案
前面提到了副本投票选举 (Quorum Replication) 和共识 (Consensus) 算法，这里来简单看一下。
Quorum Replication
Quorum Replication 主要包括三个部分：
- \(N\)：副本数；
- \(W\)：写入成功副本数；
- \(R\)：读取成功副本数；
当 \(W+R>N\) 时，在系统中永远都存在至少一个副本是最新且正确的。 因此，对于系统中的多个节点，只需要保证 \(W+R>N\) (大多数成功即成功)。
当 \(N=3\) 时有两种设计：