简述CAP定理【重要】

CAP定理示意图：

一、CAP理论概述:
CAP定理告诉我们，一个分布式系统 不可能同时满足 一致性（Consistency）、可用性（Availability）和分区容错性（Partition tolerance）这三个基本需求，最多只能同时满足其中的两个。一致性和可用性永远无法存在一个两全其美的方案，只能尽可能地适用于某种情形。

二、那一致性,可用性,分区容错性到底指的是什么?
一致性：所有节点在同一时间的数据完全一致。

在分布式环境中，一致性是指数据在多个副本之间是否能够保持一致的特性，如果能够针对一个数据项的更新操作执行成功后，所有的用户都可以读取到其最新的值，那么这样的系统就被认为具有一致性（或严格一致性）。

可用性：系统提供的服务必须一直处于可用的状态，对于用户的每一个操作请求总是能够在有限的时间内返回结果。

这里重点看下“有限的时间内”和“返回结果”，有限的时间是指对于用户的一个操作请求，系统必须能够在指定的时间（即响应时间）内返回对应的处理结果，如果超过了这个时间范围，那么系统就被认为是不可用的。

分区容错性:系统在遇到某节点或者网络分区故障的时候,仍然能够对外满足可用性或一致性的服务，除非整个网络环境都发生了故障。

三、在分布式系统中分区容错性是一定要满足的,为什么?怎么满足?
当我们的数据项只在一个节点保存时,一旦出现分区,那么其他部分就访问不到这个数据了,这是不能容忍的,所以我们需要把数据分布在多个节点上,那么当出现分区后,也不会影响我们拿到数据,从而提高容错性.但是当我们把数据放在多个节点中后,又会带来数据一致性的问题,为了保证数据一致, 每次写（事务）操作就需要等待所有节点执行成功,而这等待又会带来可用性的问题.

四、最终一致性
最终一致性强调的是 系统中所有的数据副本，在经过一段时间的同步后，最终能够达到数据一致的状态。 因此，最终一致性的本质是需要系统保证最终数据能够达到一致，而不要求实时保证系统数据的强一致性。

事实上，最终一致性并不是只有那些大型分布式系统才涉及的特性，许多现代的关系型数据库都采用了最终一致性模型。

简述CAP定理_Java大数据运动猿的博客-CSDN博客