主要概念
CAP理论在分布式架构中起着非常重要的角色。CAP是三个单词的首字母组成，分别是Consistency,Availability,Partion。
-
Consistency - 一致性：即所有的节点在同一时间具有相同的数据；
-
Availability - 可用性：即每一个请求不管成功还是失败，都有响应， 保证服务是可用的；
-
Partion tolerance - 分区容错性：即系统中任意信息的丢失或容错性者失败不会影响系统的继续使用。
在实际的使用中，CAP理论不可能同时满足，只能满足其中两个。假设希望我们的微服务具备分区容错性，需要在可用性和一致性做出取舍，如果一个接口在接收到一个超时的请求的时候，如果节点不可用，那么我们有两种方案进行处理，一个是返回错误，选择一致性牺牲可用性，另外一个是返回成功，选择可用性，牺牲一致性，客户端长时间等待会导致改请求被抛弃，因此时间是一个重要的考虑因素，那么我们的服务节点必须要在两种方案中做出选择。
第一种方案CP （考虑一致性和分区容错性）
比如实现一个分布式存储系统，并且要求数据是强一致的，以mysql 关系型数据库为例，一个master节点同时存在多个备份节点，而master节点是作为数据写入的节点，如果想要获取最新的数据，那么必须要从master节点读取，如果master节点出现故障，那么系统就不再可用。当然处理的方式可以把备份节点中选择一个按照一定的规则升级master节点，切换成功之后，服务恢复可用。
第二种方案 AP 可用性优先
和上面的例子一样，假设有3个节点，当1个节点为写入节点，则另外2个节点作为备份节点，当数据写入其中1个节点之后，同时把数据同步到另外2个节点上，当我们从任意1个节点中读取数据的时候，则会存在两种情况，一种是当前的数据的是最新的（具备一致性），另外一种情况是当前的数据不是最新的（不具备一致性），但是当数据同步完成之后，最终也是具备一致性的。3个节点中，任何一个节点出了问题，还可以向其他另外的2个节点写数据或者读数据，所以系统具备分区容错性和高可用性。
在实际项目中，可以根据自己的业务需要，牺牲可用性，保证强一致性，即选择CP,还是牺牲一致性（短暂时间范围内的），但保证数据的最终一致性，即选择AP，但是最终数据的一致性是要保证的。
一致性协议
关于分布式事物的相关处理，Open Group （国际开放标准组织）定义了DTP模型，模型中定义4种角色，分别是Application,Transaction Manager（TM）,Resource Manager（RM）,Communication Resource Managers.
两阶段提交协议-2PC
两阶段提交协议即把分布式事物分成2个阶段进行提交：第一阶段为准备阶段，第二阶段为提交阶段；两个阶段都是有 TM-事物管理器发起，RM-资源管理器执行。
准备阶段-PreCommit
TM向RM发起指令，RM评估自己的状态，如果可以完成TM发出的指令，则会写redo或undo日志，然后锁定资源，执行指令，但是不会马上提交。
提交阶段-DoCommit
如果RM确定返回上一步准备的状态为成功，TM则向RM发出提交指令，RM提交资源变更的事物，释放上一步锁定的资源；如果任意一个RM返回上一步准备的状态为失败，TM则向RM发出终止指令，RM则取消已经变更的事物，执行undo 日志，释放锁定资源，即资源回滚。 总结：2pc的有点就是原理简单，实现方便；缺点是同步阻塞，带点故障，脑裂（发出的指令有些RM收到，有些收不到）等，为了改进对应的不足，提出了3阶段提交，主要是解决阻塞问题，把准备阶段拆分成询问阶段+准备阶段。
三阶段提交-3PC
询问阶段-CanCommit
TM询问RM是否可以完成指令，RM响应Y 或者 N
准备阶段-PreCommit
如果RM在上一阶段的响应都是Y，则TM向RM发出预执行指令，RM开始写undo log和redo log，但不提交,响应准备Y，如有问题响应N；如果只要有一个RM响应N，TM就发出终止指令，退出所有操作；
提交阶段-DoCommit
如果上一阶段RM响应的都是Y，则TM向RM发出提交指令，RM变更事物，释放锁定的资源；如果任何一个RM响应准备N，则TM就发出终止指令，则RM取消变更事物，执行undo log,释放锁定资源。 总结：3PC有点就是降低了RM阻塞，并且能在单点故障中保持一致；缺点阶段过程，在网络分区的情况下，出现网络连接超时时，数据会出现不一致，但是不会出现资源永远锁定得不到释放。
在分布式系统协议中，一致性协议算法主要有的算法有Paxos,Raft,ZAB（Zookper Atomic Broadcast）等。
