CAP理论

节点间地分区故障是必然发生地，也就是说分区容错性§是必须保证的前提。
所以要么选择一致性，组成AP。
要么选择可用性，保证服务可用。
CP含义：
一定会读到最新地数据，不会读到旧数据。但如果因为消息丢失、延迟过高发生了网络分区，那么此时，当集群节点接收到来自客户端地请求时，为了不破坏一致性，可能会因为无法相应最新数据，而返回出错信息。
cp模型适合要求acid场景，比如银行转账。
AP含义：
系统将始终处理客户端地查询，返回特定信息，如果发生了网络分区，一些节点将无法返回最新地特定信息，它们将返回自己当前相对新地信息。
注意，在不存在网络分区地时候，也就是不需要P时，C和A能够同时保证。（网络分区是指因为网络故障导致网络不连通，不同节点分布在不同的子网络中，各个子网络内网络正常。其实，你可以这么理解，节点之间的网络通讯出现了消息丢失、高延迟的问题。）
ap模型适合只要求base的场景，比如网页cdn场景。

常用数据库的CAP模型

CA 模型，在分布式系统中不存在。因为舍弃 P，意味着舍弃分布式系统，就比如单机版关系型数据库 MySQL，如果 MySQL 要考虑主备或集群部署时，它必须考虑 P

CP 模型，采用 CP 模型的分布式系统，舍弃了可用性，一定会读到最新数据，不会读到旧数据。一旦因为消息丢失、延迟过高发生了网络分区，就影响用户的体验和业务的可用性（比如基于 Raft 的强一致性系统，此时可能无法执行读操作和写操作）。典型的应用是 Etcd，Consul 和 Hbase。

AP 模型，采用 AP 模型的分布式系统，舍弃了一致性，实现了服务的高可用。用户访问系统的时候，都能得到响应数据，不会出现响应错误，但会读到旧数据。典型应用就比如 Cassandra 和 DynamoDB。

总结

一个分布式系统里面，节点组成的网络本来应该是连通的。然而可能因为一些故障，使得有些节点之间不连通了，整个网络就分成了几块区域。数据就散布在了这些不连通的区域中。这就叫分区。当你一个数据项只在一个节点中保存，那么分区出现后，和这个节点不连通的部分就访问不到这个数据了。这时分区就是无法容忍的。提高分区容忍性的办法就是一个数据项复制到多个节点上，那么出现分区之后，这一数据项就可能分布到各个区里。容忍性就提高了。然而，要把数据复制到多个节点，就会带来一致性的问题，就是多个节点上面的数据可能是不一致的。要保证一致，每次写操作就都要等待全部节点写成功，而这等待又会带来可用性的问题。总的来说就是，数据存在的节点越多，分区容忍性越高，但要复制更新的数据就越多，一致性就越难保证。为了保证一致性，更新所有节点数据所需要的时间就越长，可用性就会降低。

reference

CAP理论：分布式系统的PH试纸，用它来测酸碱度
知乎