基本概念
- 一致性（C，Consistency） ：在分布式系统中的所有数据备份，在同一时刻，是否同样的值。
- 可用性（A，Availability） ：在集群中，一部分节点故障后，集群整体是否还能响应客户端的读写请求。（对数据更新具备高可用性）
- 分区容忍性（P，Partition tolerance） ：在遇到任何网络分区故障的时候，仍然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。（即在节点间通信失败时，保证系统不受影响）
什么是CAP理论？
在分布式系统中，一致性（Consistency）、可用性（Availability）和分区容忍性（Partition Tolerance）3 个要素最多只能同时满足两个，不可兼得。而由于网络硬件肯定会出现延迟丢包等问题，所以分区容错性是我们必须需要实现的。所以我们只能在一致性和可用性之间进行权衡。系统如果不能在时限内达成数据一致性，就意味着发生了分区的情况，必须就当前操作在C和A之间做出选择，要么停止系统用于错误恢复（保证一致性）, 要么继续服务但是降低一致性（保证可用性）。
网络异常，图片无法展示
|
CAP有哪些组合方式？
1、CA：放弃分区容忍性，加强一致性和可用性，关系数据库、单体应用按照CA进行设计。如MYSQL
2、AP：放弃一致性，加强可用性和分区容忍性，追求最终一致性，很多NoSQL数据库按照AP进行设计。如Cassandra、Dynamo等，默认优先选择AP，弱化C；
说明： 这里放弃一致性是指放弃强一致性，强一致性就是写入成功立刻要查询出最新数据。追求最终一致性是指允许暂时的数据不一致，只要最终在用户接受的时间内数据一致即可。
3、CP：放弃可用性，加强一致性和分区容忍性，一些强一致性要求的系统按CP进行设计，比如跨行转账，一次转账请求要等待双方银行系统都完成整个事务才算完成。如HBase、MongoDB等，默认优先选择CP，弱化A。
说明： 由于网络问题的存在，CP系统可能会出现待等待超时，如果没有处理超时问题则整体系统会出现阻塞。
总结
在分布式系统设计中AP的应用较多，即保证分区容忍性和可用性，牺牲数据的强一致性（写操作后立刻读取到最新数据），保证数据最终一致性。比如：订单退款，今日退款成功，明日账户到账，只要在预定的用户可以接受的时间内退款事务走完即可。
