CAP原理

一致性（Consistency）：每次读取的数据是最近一次写入的数据或返回一个错误，而不是过期数据，也就是数据一致性。

可用性（Availability）：每次请求都应该得到一个响应，而不是返回一个错误或失去响应，不过这个响应不需保证是最近写入的，也就是系统可以一直可以正常使用，不会引起调用者异常，但并不保证调用的数据是最新的。

分区耐受性（Partition tolerance）：即使网络原因，部分服务器节点之间消息丢失或延迟，系统依然可用操作。

对于分布式系统在必须满足分区耐受性的前提下，可用性和一致性无法同时满足。



• 有CA无P，满足强一致性和可用性，当有分区问题时，为保证C，系统禁止写入，返回error。但是又和A冲突。所以理论上分布式系统不能选择CA架构。

• 有CP无A，满足一致性和分区容错性，需要每个请求在服务器之间保持强一致性，而分区容错会导致服务器间同步会延迟，一旦发生网络故障或消息丢失，就要牺牲用户体验等待所有数据同步完成后才能允许用户访问。例如：分布式数据库Redis，数据一致性是基本要求。

• 有AP无C，满足可用性和分区容错性，当分区容错出现时，节点之间消息丢失或延迟。当请求访问节点2时，由于服务器间失去联系，导致节点2的数据还是旧数据，这时不在满足一致性要求。



UML 时序图描述 Doris 临时失效处理过程