CAP总结

C   :一致性（consistency）其实就是数据库中的ACID

A   :可用性（availability）   对一个系统而言，所有的请求都应该在一段时间内‘成功’并且收到’返回’，其实就是不丢报文，总是能响应，可能有延迟。强调下，可用性是系统中每个没有问题的节点在接受请求的时候，能够正确响应。举个例子：ca集群下，如果出现分区，所有节点都无法运转，按照常规的“可用性”看的话，我们认为这种情况是缺乏“可用性的”，这里的“可用性”跟cap中的a是有区别的。a是有前提的，即针对于正常运转的节点

P   :分区容错（partiion-tolerance）所指就是分布式系统的容错性。节点crash或者网络分片都不应该导致一个分布式系统停止服务，放弃Partition-tolerance意味着把所有的机器搬到一台机器内部。也就是单点跟多节点的问题，多节点具有容错性，单点没有

假设两个节点集{G1, G2}，由于网络分片导致G1和G2之间所有的通讯都断开了，如果在G1中写，在G2中读刚写的数据， G2中返回的值不可能G1中的写值。由于A的要求，G2一定要返回这次读请求，由于P的存在，也即是多节点情况下，其中一个节点的数据不是最新的，导致C一定是不可满足的。

·放弃P：如果想避免分区容错性问题的发生，一种做法是将所有的数据(与事务相关的)都放到一台机器上。虽然无法100%地保证系统不会出错，但不会碰到由分区带来的负面效果。当然，这个选择会严重影响系统的扩展性。单节点的典型代表就是关系型数据库，支持CA

·放弃A：相对于放弃“分区容错性”来说，其反面就是放弃可用性。一旦遇到分区容错故障，那么受到影响的服务需要等待数据一致，因此在等待期间系统就无法对外提供服务，也就是CP。如果不需要数据的强一致性，可以立即进行响应，会导致数据的不一致，也就是AP

·放弃C：这里所说的放弃一致性，并不是完全放弃数据的一致性，而是放弃数据的强一致性，而保留数据的最终一致性。在分布式环境中，放弃强一致性，可以立即进行响应，虽然数据会造成不一致。

base原则其实放弃c，实现最终一致性的AP

转载于:https://my.oschina.net/u/913896/blog/685885