分布式系统中的CAP理论

1. C Consistency,一致性，在分布式系统中的所有数据备份，在同一时刻是否同样的值，所有客户端总是展现同样的数据。
2. 强一致性(strong consistency)：任何时刻，任何用户都能读取到最近一次成功更新的数据。
3. 单调一致性(monotonic consistency)：任何时刻，任何用户一旦读取到某个数据在某次更新后的值，那么久不会读取到比这个值更旧的值。也就是说可以获取的数据必须是单调递增的。
4. 会话一致性(session consistency)：任何用户在某次会话中，一旦读取到某个数据在某次更新后的值，那么在本次会话中就不会读取到比这个值更旧的值。会话一致性是在单调一致性的基础上进一步放松约束，只保证单个用户单词会话的单调性，在不同用户或者同一用户不同会话间没有保障。
5. 最终一致性(eventual consistency)：用户只能读取到某次更新后的值，但系统保证数据将最终达到完全一致的状态，知识所需时间不能保障。
6. 弱一致性(weak consistency)：用户无法在确定的时间内读到最新更新的值。
7. A Availiability,可用性，负载过大后，集群整体是否还能响应客户端的读写请求，每个客户端总是能读写。
8. P Partition Tolerance，分区容错性，就是高可用性，一个节点宕机后，并不影响其他节点，当集群中某些节点无法联系时仍能正常提供服务。
9. CA有一致性和可用性的系统通常可扩展性能不高，不具有分区容错性，如传统的关系型数据库MySQL。
10. AP通常注重系统性能和可扩展性，而非强一致性，如Eureka
11. CP为了满足一致性，在系统分区期间会停止服务，直到数据恢复一致如Zookeeper
12. CAP定理：在一个分布式系统中CAP三个特性不能同时满足。最多只能同时实现上面的两点，而由于当前网络硬件可能会出现延迟丢包等问题，所以分区容错性是我们必须要实现的，所以我们只能在一致性和可用性之间进行权衡。
13. zookeeper强调一致性，所以zookeeper集群中主节点宕掉后，眼重新进行选举，而在选举期间无法对外提供服务。