CAP

CAP原理介绍

• C:Consistency
  • 一致性，即访问所有节点得到的数据都应该是一致的，这里的一致性是指强一致性(数据更新完，访问任何节点看到的数据完全一致)，这里和弱一致性和最终一致性有区别
• A:Availability
  • 可用性，所有的节点都保持高可用性，也就是说，任务没有发生故障的服务必须在有限的时间内返回合理的结果集
• P:Partiton tolerance
  • 分区容忍性，这里的分区指网络意义上的分区，如果出现节点之间无法通信的情况，要保证系统可以正常服务

CAP理论,一个数据分布式系统不可能同时满足C,A,P三个条件，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之间做抉择。

CAP原理实际上是一个对分布式数据存储系统的一个定论，我们对于CAP的讨论的实际场景，更多的是针对那些有数据存储，数据复制场景，也就是所谓的NoSQL数据库

CAP原理简单实例

• 现在假设有两个节点,a1,a2

• 有一个数据number = 1,之后向a1提交更新，将数据number 设置为2

• 然后，a1把数据更新推送给a2，让a2也更新number

保证C和P

• 保证数据一致性，a1将数据复制给a2，那么a1和a2需要进行通信，我们保证了P，也就是分区容忍性，这时a2不一定能及时收到a1的数据复制消息，当有请求向a2访问number数据时，为了保证数据的强一致性，a2只能阻塞，等待数据同步完成后返回，这时，无法保证高可用(A)

• 所以，保证C和P时，无法保证A

  保证A和P

• 为了保证高可用，a1和a2都必须在有限时间内返回，由于网络的不可靠，可能a2还没有收到a1发来的数据更新消息，就返回给客户端数据，这时候返回给客户端的可能是旧的数据，和a1不一致，因此违反了C，无法保证一致性(C)

• 所以，保证A和P时，无法保证C

  保证A和C

• 如果要保证一致性和高可用，那么网络状况必须良好，a1发送给a2的数据更新，a2必须马上能收到，但在实际情况下，网络通常是不可靠的，可能存在丢包等现象，所以如果要满足即时更新，必须将a1和a2放到一个区内才可以，这样就放弃了P，整个系统也不再是一个分布式系统了

• 所以，保证A和C，无法保证P