昨天看了一篇CAP定理的文章，觉得讲的很形象，原文地址：http://www.ruanyifeng.com/blog/2018/07/cap.html

好记性不如烂笔头，也把自己的理解记录一下。

一、什么是CAP

CAP理论是分布式系统中非常重要的一个概念。这里注意点是 ‘分布式系统’，也就是说单机系统中是没有CAP这种概念的。

分布式系统最大的难点就是各个节点的状态如何同步，比如各节点数据如何同步。CAP 定理是这方面的基本定理，也是理解分布式系统的起点。

什么是CAP?

• C：Consistency 一致性 （与数据库的事务特性ACID中C是相识的，因为有一篇文章是说数据库的一致性是内一致性，分布式的一致性是外一致性，总体来都是一致性）　　
• A：Availability 可用性
• P：Partition-tolerance 分区容错性

在这个三个指标中，只能同时满足两个，不可能同时满足三个。

二、Partition-tolerance

分区容错性。为什么首先要说分区容错性呢？

大多数的分布式系统都分布有多个子网络，每一个子网络就叫做一个区，各个区之间的通信有可能失败。比如，一台服务器在中国，一台服务器在美国，这就相当于两个区，它们之间的通信就有可能失败。

如上图，客户端向G1发送一条消息，各个节点之间数据要进行同步，此时G1把消息发给G2，此时通信可能会失败，这就是分区容错。一般在分布式系统中，CAP中的P总是要被满足的，也就是要保证各个节点之间的相互通信。

三、Consistency

一致性。分布式系统中有多个节点，就是要保证各节点之间数据的一致性。

客户端在G1中修改了某条数据，此时可能通过负载均衡客户端在G2中查询这条数据，你要保证查到的数据是修改之后的。

但问题就在于，用户在某节点修改数据，而查询数据是在另外节点上，如何保证返回的结果是一致的呢？如果读的操作不一致，那就不满足一致性。

为了使得G2节点的信息是最新的，那么在G1修改数据之后，需要G1向G2发送一条消息，要求G2也修改这条数据。

这样即使用户写是在G1，读在G2，也能保证读到是一致的。

其实这里还有一个问题就是：G1 再 向G2发送修改的过程中，也就是还未修改，此时如果有用户查询在怎么办？

四、Availability

　　可用性。也就是需要保证节点是可用的，用户向节点发送消息，节点能够返回给用户信息。用户可以选择向 G1 或 G2 发起读操作。不管是哪台服务器，只要收到请求，就必须告诉用户，到底是 v0 还是 v1，否则就不满足可用性。

五、一致性和可用性之间的矛盾

为什么会说这两者之间会有相互矛盾呢？一致性和可用性，不可能同时成立，因为可能会出现通信失败，即分区容错。

举个例子：

如果需要保证G2的数据一致性，那么需要在G2也需要同步G1的状态，那么在G1写操作的同时，需要锁定G2的读操作和写操作，只有数据同步之后，才能放开G2的锁。这就造成了，在锁定期间，G2是不能操作的，因为要保证数据一致，你都不能操作了，你还有可用性？

如果要保证G2的可用性，那么在数据同步的时候，就不能对G2加锁，这就造成了其他用户可以对G2进行操作，可能会造成数据的不一致性。

综上所述，G2不能同时做到一致性和可用性，系统设计时只能选择一个目标。如果追求一致性，那么无法保证所有节点的可用性；如果追求所有节点的可用性，那就没法做到一致性。

那么场合可用性高于一致性呢？

一般来说，网页的更新不是特别强调一致性。短时期内，一些用户拿到老版本，另一些用户拿到新版本，问题不会特别大。当然，所有人最终都会看到新版本。所以，这个场合就是可用性高于一致性。

可以这么理解，如果分布式系统涉及到必须要满足一致性，比如涉及到转账业务，交易相关的，那就必须满足一致性。但是如果即使用户此时获取到的信息不是最新的也能满足用户需求，最终能达到一致性，那么此时使用可用性。