CAP 原理简述



CAP分别代指什么?

C: 一致性 对于任何从客户端发达到分布式系统的数据读取请求，要么读到最新的数据要么失败。换句话说，一致性是站在分布式系统的角度，对访问本系统的客户端的一种承诺：要么我给您返回一个错误，要么我给你返回绝对一致的最新数据，不难看出，其强调的是数据正确。

A: 可用性 对于任何求从客户端发达到分布式系统的数据读取请求，都一定会收到数据，不会收到错误，但不保证客户端收到的数据一定是最新的数据。换句话说，可用性是站在分布式系统的角度，对访问本系统的客户的另一种承诺：我一定会给您返回数据，不会给你返回错误，但不保证数据最新，强调的是不出错



P:分区容错性 分区容忍性是站在分布式系统的角度，对访问本系统的客户端的再一种承诺：我会一直运行，不管我的内部出现何种数据同步问题，强调的是不挂掉。



CAP 原则表明，这三个要素最多只能同时实现两点，不可能三者兼顾。



基本原理:

对于一个分布式系统而言，P是前提，必须保证，因为只要有网络交互就一定会有延迟和数据丢失，这种状况我们必须接受，必须保证系统不能挂掉。试想一下，如果稍微出现点数据丢包，我们的整个系统就挂掉的话，我们为什么还要做分布式呢？所以，按照CAP理论三者中最多只能同时保证两者的论断，对于任何分布式系统，设计时架构师能够选择的只有C或者A，要么保证数据一致性（保证数据绝对正确），要么保证可用性（保证系统不出错）。



互联网常见架构中如何满足CAP:

Redis ap 牺牲了几秒钟写

zk cp 为了选主,牺牲了一部分a

eurak ap 为了保证可用性,牺牲了一部分一致性

nacos ap/cp 可选

基于以上我们的思考:



1. 实际场景中其实P是一定会成立的，因为所有的分布式系统都会考虑到单点故障对整体的影响。

2. 分布式系统中C一致性和A可用性是不可能同时达到的，C和A是矛盾的。除非是单体应用才有可能符合CA模型，但是单体应用就没有CAP之说了

• 满足了一致性必然会导致可用性不满足，因为未同步的节点读写都需要暂时锁定才能达到一致性的要求

• 满足了可用性必然需要牺牲一致性，比如使用redis的场景，用户延迟几秒获得最新数据其实也没有多大影响，使用redis的场景其实就是AP模型

1. 所以实际场景中只有CP、AP两种模型，也就是C和A之间的权衡