CAP 原理

随着系统的发展，越来越多的网站，特别是大型网站，基本都是分布式的。而分布式系统最大的难点，就是各个节点的状态同步问题。于此应运而生的CAP理论就是这方面的基本定理。

1、什么是CAP

• C：Consistency，即一致性；表示所有的节点得到的数据应该是一样的，且这里的一致性指的是强一致性，数据更新完后，所有的节点的数据要完全一致。

• A：Availability，即可用性；表示所有的节点都保持高可用性。

• P：Partition tolerance，即分区容错性，三者不可兼得。分区一直指的是网络意义上的分区。由于网络出现不可靠的情况，节点之间可能出现无法通讯的情况，在节点不能通信时，要保证系统可以继续正常服务。

2、CAP三者关系

在一个数据分布式系统不可能同时满足C和A和P这3个条件。所以系统架构师在设计系统时，不要将精力浪费在如何设计能满足三者的完美分布式系统，而是应该进行取舍。由于网络的不可靠性质，大多数开源的分布式系统都会实现P，也就是分区容忍性，之后在C和A中做抉择。



3、场景分析

保证CP的情况：为了保证数据一致性，data1需要将数据复制给data2，即data1和data2需要进行通信。但是由于网络是不可靠的，我们系统有保证了分区容忍性，也就是说这个系统是可以容忍网络的不可靠的。这时候data2就不一定能及时的收到data1的数据复制消息，当有请求向data2访问number数据时，为了保证数据的一致性，data2只能阻塞等待数据真正同步完成后再返回，这时候就没办法保证高可用性了。

所以，在保证C和P的情况下，是无法同时保证A的。



保证A和P的情况下：为了保证高可用性，data1和data2都有在有限时间内返回。同样由于网络的不可靠，在有限时间内，data2有可能还没收到data1发来的数据更新消息，这时候返回给客户端的可能是旧的数据，和访问data1的数据是不一致的，也就是违法了C。

也就是说，在保证A和P的情况下，是无法同时保证C的。



保证A和C的情况下：如果要保证高可用和一致性，只有在网络情况良好且可靠的情况下才能实现。这样data1才能立即将更新消息发送给data2。但是我们都知道网络是不可靠的，是会存在丢包的情况的。所以要满足即时可靠更新，只有将data1和data2放到一个区内才可以，也就丧失了P这个保证。其实这时候整个系统也不能算是一个分布式系统了。