分布式架构基础知识-CAP定理

随着信息的快速发展，分布式系统变得越来越重要，大型的网站系统无不都是分布式的架构，而理解CAP则是理解分布式的基础。1998年，一位计算机科学家Eric Brewer提出，分布式系统有三个指标：Consistency、Availability、Partition tolerance。

Consistency：一致性，对于分布式系统的所有结点，能够时刻保持数据的一致性
Availability：可用性，系统能够保证7*24小时稳定且持续提供对外服务
Partition tolerance：分区容错性，系统在遇到网络分区故障的时候，仍然能够保证对外提供服务

理论上，只要系统在设计上满足这三点的特性即保证系统高性能、高可用和高稳定性，便可无限扩展，但Eric Brewer也表明了这三点是不可同时满足的，最多只能实现其中的两点，通常我们会在CP和AP之间进行选择。

CP模型：
对于分布式系统，一个功能都会有多台服务器对外提供服务。保证系统的数据的一致性和分区容错性，需要实时同步服务器之间的数据，保证数据之间的高度同步，而服务器同步数据则会断开对外提供服务，因此势必会影响到系统的可用性。

AP模型：
保证数据的分区容错性和可用性，则需减少结点之间数据的同步，允许系统结点之间存在一定的数据误差，时刻保证对外提供服务的。相比CP模型，不会在同一时刻所有结点的数据一致，一般采用写入到一个主结点，再逐渐同步到所有结点。

AC模板：
抛弃系统的分区容错性，只采用一个结点进行部署，生产环境中这种做法是很危险，可不考虑。

合适的选型最终还是要依赖于业务的实际场景。比如注册中心的选择，做社区类型的允许数据存在可接受的误差，那就可以选择AP模板Eureka，而像涉及金钱的业务，则需要时刻保证数据的高度一致，可选择CP模型的zookeeper，所以还是要以业务场景为依据。