分布式系统中的CAP理论：

C : Consistency 一致性，A : Availability 可用性， P : Partition tolerance 分区容错

C A P ，在分布式系统中，不可能同时满足，只能满足其中的两个

1. P-> 分区容错：一个分布式系统，是由多个子网络组成的，分区容错就是指：各个子网络之前的通信可以失败，这个我们无法保证100%避免。所以，CAP中的P，是一定存在的。剩下的C和A就只能满足一个了。

2. A -> 可用性：可用性是指：当前系统只要收到客户端的请求，就必须要给出回应。就下图来讲，无论是客户端请求A服务，还是B服务，都会给到客户端一个响应。要实现高可用，就需要通过集群来保证。

3. C -> 一致性：一致性是指：客户端写入的数据，在下一次读取时，是否一定能读取到。

                        一致性又分为：(1)强一致性，(2)弱一致性，(3)最终一致性

                       强一致性：对数据的一致性要求极其严格，客户端写入数据后，无论访问集群中的哪一个节点，都需要获取到最新的数据。也就势必会已损失性能为代价。

                       弱一致性：对数据实时的准确性不是特别的高，可能系统在一段时间内，才能将数据同步，实现一致性。最终一致性是一致性的特例。

4. 为什么一致性和可用性，不能同时满足：

如上图：客户端向DB1写入了a=1的数据，如果系统要保证严格的强一致性，那么一定要保证将当前数据同步到DB2以后，DB2才能对外提供服务，那么这段时间，对于DB2来说，是不可用的。

如果系统为若一致性，那么可能在数据还没有同步到DB2时，DB2就已经对外提供访问，它提供的数据就是不准确的，也就做不到一致性。

导致两者不能同时成立的原因：有可能是分区容错导致的，也有可能是自身的原因。比如当前服务器配置较低，同步数据较慢

  

CAP可以产生三种组合，为什么P是一定要得呢？为什么不需要保证CA呢？

因为要能完全避免分区容错性，那么就要避免服务之间有网络的通信，既然是分布式架构系统，就一定会有网络通信，所以如果想要保证CA，系统就会演变成单体架构