分布式系统CAP原则解读

一、概念解释

C——Consistency（一致性）
A——Availablity（可用性）
P——Partition tolerance（区分容错性）

在一个分布式系统中，三者不可兼得，要么CA，要么AP，要么CP，不可能CAP同时存在。

C——Consistency（一致性）

在同一时间，各节点上的数据完全一致。对于客户端而言，是并发访问修改的数据如何获取；对于服务端而言，是如何在系统中把数据进行备份和复制。
一致性分为弱一致性、强一致性、最终一致性。

A——Availablity（可用性）

服务一直可用，能正常接收请求，并能在正常的响应时间内返回数据。

P——Partition tolerance（区分容错性）

对于用户而言，分布式系统是一个整体，当一个节点挂掉或者请求太多处理不过来，能够通过访问另一个节点获得，对客户的使用不造成影响。

二、三种选择：

CA：

如果不分区，强一致性和可用性可以同时保证，因为不涉及到数据的同步，所以当一个请求对X值进行更改，系统能接收到另一个请求，并返回X的最新值。但是，没有了P，就不能进行节点的扩展，就不能叫做分布式系统了。

AP：

系统进行了分区，并要保证可用性。为了保证高可用，每个节点都使用本地的数据提供服务，导致全局数据不一致。当并发比较多时，用户可能会觉得访问流畅，但他们得到的结果不一定相同。
最典型应用：双11时大家都抢购某类商品，用户使用流畅不阻塞是很重要的，就算是某个页面看到的数据不一致，也影响不太大。

CP：

既要保证一致性，也要保证分区容错性。分区会导致同步的时间比较长，而且为了保证一致性，只能等数据同步完成后才能提供正常的访问服务。
最典型的应用：Redis、HBase。比如技术上选择了Redis做数据缓存，那首先就是看重了其一致性和分区容错性，如果遇到没及时返回结果的情况（非可用），也可以通过直接访问数据库得到数据。

三、其他对比

1、目前在互联网应用中，由于数据量大并发量大，所以会有很多的主机、节点，分区容错性是非常必要的，只能在C和A中做抉择，CP的选择用处最广；
在银行这类对资金敏感的行业中，C是最重要的，宁可停止服务，也要保证资金的一致和准确，所以会在A和P中做抉择。

2、传统的关系型数据库是CA模式，应对简单的查询和联合查询、事务级更新等。且通常遵循ACID强事务机制，A在事务中的操作具有原子性，要么全都执行要么全都不执行；C数据保持一致性，在不同的事务中访问同一份数据能得到相同的结果；I两个事务相互不影响；D对事务操作后可进行持久化。
NoSql比较注重性能和扩展性，只能提供行级别的原子性。

参考文章：
分布式之CAP原则详解
CAP原则
CAP 定理的含义