分布式理论——CAP定理CAP定理的含义是：一个分布式系统，不可能同时满足一致性（Consistency）、可用性（Av

什么是CAP定理？

2000年7月，加州大学伯克利分校的Eric Brewer教授在ACM PODC会议上提出CAP猜想。2年后，麻省理工学院的Seth Gilbert和Nancy Lynch从理论上证明了CAP。之后，CAP理论正式成为分布式计算领域的公认定理。

CAP定理的含义是：一个分布式系统，不可能同时满足一致性（Consistency）、可用性（Availability）和分区容错性（Partition tolerance）这三个基本需求，最多只能同时满足其中的两个。

一致性，指的是写操作成功后，所有节点在同一时间读到的的数据完全一致，都是最新的。

这里的一致性说的是强一致性。

想要了解更多关于一致性类型或分布式一致性问题可以看这篇文章：分布式一致性问题。

数据写入主库后要同步到从库；

同步期间需要将从数据库锁定，同步完成后释放锁，防止在数据未同步成功之前，向从数据库请求到旧的数据。

这里有个点需要注意以下，CAP中的C和事务的ACID中的C都是指一致性（Consistency），但是CAP中的A指的是可用性（Availability） ，与**事务的ACID中的A（Atomicity）**不是一个东西。

可用性是指任何请求都能得到正常响应，且不会出现响应超时或响应出错，即服务一直都是可用的。

数据写入主数据库后要同步到从数据库；

由于要保证从数据库的可用性，写入过程中不可以对从数据库的资源加锁；

即使新数据还没同步过来，从数据库也要即时响应请求，即使返回的是旧数据，但不能响应超时。

分区容错性是指遇到某节点或网络分区故障的时候，其他正常的节点还可以正常提供服务。

分区容错性和扩展性紧密相关。通常是一个分布式系统的基本要求。

尽量使用异步代替同步，例如，使用异步的方式将主数据库数据同步到从数据库，这样可以有效的实现松耦合；

添加节点，这样一个从节点挂了，还有其他从节点可以提供服务。

既然CAP三个指标最多只能同时满足两个，那么应该舍弃哪一个呢，下面分情况讨论一下：

这种情况在分布式系统中是基本上不存在的。在分布式的环境下，网络分区是必然的事实，一旦舍弃了分区容错性，那分布式系统的存在也就没有意义了。

对分布式系统来说，P是一个基本要求。

舍弃了A（可用性）也就意味着，一旦发生网络故障或者消息丢失等情况，就要牺牲用户的体验，即容许系统停机或长时间无响应，等所有数据全部一致了再继续提供服务。

在不要求强可用性的分布式系统中是可以这样设计的。

比较典型的就是很多分布式数据库，入Redis、HBase，还有分布式协调组件Zookeeper也是优先保证CP的。在发生极端情况的时候，牺牲系统的可用性，优先保证强一致性。

其实可以理解，数据的一致性是他们的基本要求，若是连数据的一致性也不能保证，还要他分布式存储有何用？

要高可用并允许分区，则需放弃一致性。一旦网络问题发生，节点之间可能会失去联系。为了保证高可用，需要在用户访问时可以马上得到返回，则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。

这里说的舍弃一致性其实也不准确，而是舍弃了强一致性，退而求其次保证最终一致性，因为一个系统连数据都是不准确的，那么系统存在的价值也就没有多少了。

这种设计的案例是非常多的，比如淘宝、京东之类的商城，12306购票等。

到底哪一种设计是最好的，并没有定论，只能说适合的才是最好的。

如果系统中涉及到金钱这种绝不能让步的场景，那么一定要保证C（一致性），宁可服务停机也一定要保证数据一致。

对于其他大多数场景，通常会保证高可用和分区容错，舍弃强一致性，退而求其次选择最终一致性保证数据安全。