CAP 原理

一致性（consistency）：数据在访问任何节点读取的结果是一致的，要么是最近写入的数据，要么是返回一个错误。

可用性（availability）：系统提供的服务必须一直处于可用状态，对每一个操作的请求必须在有限时间内返回一个正常的结果，而不是返回错误或失去响应

分区耐受性（Partition tolerance）：系统即使部分服务器节点之间消息丢失或者有延迟，但不影响整个系统的可用性。

假设有三个数据节点，我们同时往节点A和节点B写数据，当网络分区A失效发生的时候，我们要么取消操作，这样数据就是一致的，但是系统却不是可用的；要么我们继续写入数据，但是数据的一致性就得不到保证。

对于一个分布式系统而言，网络失效是一定会发生，也就是说，分区耐受性是必须要保证的，那么在可用性和一致性上就必须二选一。 当网络分区失效，也就是网络不可用的时候，如果选择了一致性，系统就可能返回一个错误码或者干脆超时，即系统不可用。

如果选择了可用性，那么系统总是可以返回一个数据，但是并不能保证这个数据是最新的。 所以，关于CAP 原理，更准确的说法是，在分布式系统必须要满足分区耐受性的前提下， 可用性和一致性无法同时满足。

但是也并不是说，保证了其中2点后，就要完全抛弃另外一点。只是相对的要做一些牺牲。比如在保证CP的情况下，虽然没办法保证高可用性，但这不意味完全放弃可用性，我们可以通过合理的设计尽量的提高可用性，比如允许响应时间延迟或者放弃部分功能。同理，在AP的情况下，也可以尽量的保证数据的一致性，或者实现弱一致性，即最终一致性。