CAP定理

什么是CAP定理？

1998年，加州大学的计算机科学家 Eric Brewer 提出，分布式系统有三个指标。它们的第一个字母分别是 C（consistency）、A（availability）、P（partition tolerance）。Eric Brewer 说，这三个指标不可能同时做到。这个结论就叫做 CAP 定理。

CAP具体含义如下：

• 一致性（consistency）：保证有所节点在同一时刻具有相同的、逻辑一致的数据，等同于所有节点同时访问到一致的（最新的）的副本。比如，向节点1写入数据V0，接下来可以在节点2中读到数据V0，这就表示满足一致性，否则就不满足一致性。
  对于关系型数据库，要求更新过的数据能被后续的访问都能看到，这是强一致性。如果能容忍后续的部分或者全部访问不到，则是弱一致性。如果经过一段时间后要求能访问到更新后的数据，则是最终一致性。CAP中，C是指强一致性。
• 可用性（availability）：保证每个请求不管成功还是失败都有响应，但不保证每次都能获取到最新的数据。
• 分区容忍性（partition tolerance）：大多数分布式系统都分布在多个子网络。每个子网络就叫做一个区（partition）。分区容错的意思是，区间通信可能失败（网络不可靠）。比如，在分布式系统中，其中一个或多个节点发生故障，但是整个服务还能相对提供响应的服务，这就叫做好的分区容错性。

为什么CAP不能同时成立？

高可用、数据一致是很多系统设计的目标，但是分区又是不可避免的事情：
CA without P：如果不要求P（不允许分区），则C（强一致性）和A（可用性）是可以保证的。但其实分区不是你想不想的问题，而是始终会存在，因此CA的系统更多的是允许分区后各子系统依然保持CA。
CP without A：如果不要求A（可用），相当于每个请求都需要在Server之间强一致，而P（分区）会导致同步时间无限延长，如此CP也是可以保证的。很多传统的数据库分布式事务都属于这种模式。
AP wihtout C：要高可用并允许分区，则需放弃一致性。一旦分区发生，节点之间可能会失去联系，为了高可用，每个节点只能用本地数据提供服务，而这样会导致全局数据的不一致性。现在众多的NoSQL都属于此类。