CAP理论概述

CAP理论概述

一般我们接触过分布式的基础概念，都应该听说过分布式理论，现在我们来看一下这个理论讲了什么。将CAP拆开来看，每个大写字母都有其相应的意思：
C：数据一致性（consistency）。即所有节点都拥有最新的数据内容
A：可用性（availability）。数据具备高可用性
P：分区容错性(partition-tolerance)。即容忍网络出现分区，分区之间网络不可达。
在实际应用场景中是这样的。一个业务分拆多个子业务，部署在不同的服务器上，通常上，我们将一个子业务称之为一个节点，这里我们假设有三个集群的节点，即该三个节点之间可以相互通信。

由于节点之间是通过网络来进行通信的（当然所有的分布式系统都是这样的），就可能出现这样一种情况：由于网络故障灯原因，原来相互两两联通的节点不连通了，整个网络变成了几块区域，即网络出现了分区。

这时，如果用户想要进行一些数据上的更改的话，比如说创建一个账户，由于分区的存在，我们将面临一下几种选择：

1. 如果当前的操作是被允许的话，此时创建的数据只会在节点一和节点二或者节点二和节点三同步，因为节点一和节点 三的记录不能同步的。这种情况就是选择了可用性(availability)，抛弃了数据一致性(consistency)。
2. 而如果我们不允许当前用户注册账户，除非节点一和节点三恢复通信，这样我们可以保证每个节点都拥有最新的数据。这种情况就是抛弃了可用性(availability)，选择了数据一致性(consistency)。

现在我们可以进一步讲述CAP这个理论所要表述的含义了。
一般来说，分布式系统中，P：分区容错性(partition-tolerance)这个是必需的，也是客观存在的。而C：数据一致性(consistency)，A：可用性(availability)是不可兼得的。
当然，并不是说选了AP，C就完全抛弃了。不是说选了CP，A就完全抛弃了！只是在CAP理论中C所表示的一致性是强一致性(每个节点的数据都是最新版本)，其实一致性还有其他级别的：
弱一致性：弱一致性是相对于强一致性而言，它不保证总能得到最新的值；
最终一致性(eventual consistency)：放宽对时间的要求，在被调完成操作响应后的某个时间点，被调多个节点的数据最终达成一致。