分布式系统的CAP原理

CAP原理认为，一个提供数据服务的存储系统无法同时满足数据一致性、数据可用性，分区耐受性（系统具有网络分区的伸缩性）这三个条件。

一致性是指更新操作成功后，所有节点在同一时间的数据完全一致。

可用性是指用户访问数据时，系统是否能正常响应时间内返回数据。

分区容错性是指分布式系统在遇到某个节点或网络分区故障时，仍然能够对外提供满足一致性和可用性的服务。

CAP理论基本可以定义为，以上的三个指标不能全部做到，即只能同时满足CA, CP, AP。

1. 分区容错性

分布式系统存在多个子系统，每个子系统子网络可以叫做区。各个节点之间的数据需要同步，子系统之间也需要通信。而分区容错指的是某个节点出现故障，而整个服务不会受到大的影响。

若一个服务为单节点服务，那么它可以说是满足CA。

C表示任何时间点读取的数据都是相同的，保证了一致性。

A表示只要有节点可以用，那么就可以提供服务

由于是单节点服务，那么总是满足CA的条件。

而在分布式系统中，大多时候，单节点出问题之后，我们是需要保障整个系统都是可以使用的。所以可以认为CAP中的P总是需要成立的。

2. 一致性

一致性指的是分布式系统中所有节点在同一时间访问时，返回数据完全一致。

从客户端看，就是并发访问时获取数据的一致性。

服务端来看，就是数据节点之间的同步问题，即节点之间通过通信保持数据的实时更新。

也有对一致性分成强，弱以及最终一致性三类。

强一致性 要求数据更新后，对于其他节点，必须立马同步，并可见。

弱一致性 可以允许在数据更新后，部分节点不能访问到最新的数据。

最终一致性 要求一段时间内不能访问最新数据，但是一段时间后，分布式系统的所有数据需要统一

3. 可用性

相对来说，可用性比较容易理解，就是说任何时候，我们都可以从系统中获取数据。系统可以提供正常的用户服务。不会出现操作失败，访问超时等情况

CA without P

如果不要求 Partition Tolerance，即不允许分区，则强一致性和可用性是可以保证的。其实分区是始终存在的问题，因此 CA 的分布式系统更多的是允许分区后各子系统依然保持 CA。

CP without A

如果不要求可用性，相当于每个请求都需要在各服务器之间强一致，而分区容错性会导致同步时间无限延长，如此 CP 也是可以保证的。很多传统的数据库分布式事务都属于这种模式。

AP without C

如果要可用性高并允许分区，则需放弃一致性。一旦分区发生，节点之间可能会失去联系，为了实现高可用，每个节点只能用本地数据提供服务，而这样会导致全局数据的不一致性。

为什么没办法同时达到CAP呢？

CAP是没办法同时达到的，要么是CP，要么是CA，要么是AP，是不可能存在CAP的，因为如下：假如分布式情况下数据库1和数据库2，用户上传一张图片必须同时同步成功才满足一致性(Consistency)，并且用户可以看到信息也满足了(可用性),当突发场景数据库1和数据库2突然间因为网络断电原因，某一个直接宕机，那还有另外一个数据库可以提供分区容错性，但是这时候已经无法满足一致性了，所以这种没办法实现。