CAP定理

CAP理论告诉我们，一个分布式系统不可能同时满足一致性（C：Consistency）、可用性（A：Availability）和分区容错性（P：Partition tolerance）这三个基本需求，最多只能同时满足其中的两项。

1. 一致性（C：Consistency）
   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。执行更新操作后，应该保证系统的数据仍然处于一致的状态。如果对第一个节点的数据进行了更新操作并且更新成功后，却没有使得第二个节点上的数据得到相应的更新，于是在对第二个节点的数据进行读取操作时，获取的依然是老数据，这就是典型的分布式数据不一致情况。
   在分布式系统中，如果能够做到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强一致性
2. 可用性（A：Availability）
   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。
   有限的时间内：对于一个操作请求，系统必须能够在指定的时间，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。“有限的时间内”是一个在系统设计之初就设定好的系统运行指标，通常不同的系统之间会有很大的不同。
   返回结果：是可用性的另一个非常重要的指标，它要求系统在完成对用户请求的处理后，返回一个正常的响应结果。正常的响应结果通常能够明确地反映出对请求的处理结果，即成功或失败，而不是一个让用户感到困惑的返回结果。
3. 分区容错性（P：Partition tolerance）
   分布式系统在遇到任何网络分区故障的时候，仍然需要能够保证对外提供满足一致性和可用性的服务，除非是整个网络环境都发生了故障。
   网络分区：是指在分布式系统中，不同的节点分布在不同的网络中，由于一些特殊的原因导致这些网络之间出现网络不连通的状况，但各个子网络的内部网络是正常的，从而导致整个系统的网络环境被切分成了若干个孤立的区域。
   
   需要明确的一点是，对于一个分布式系统而言，分区容错性可以说是一个最基本的要求。因此系统架构设计师往往花精力在：根据业务特点如何在C（一致性）和A（可用性）之间寻求平衡。