CAP理论是指导我们在涉及分布式系统时进行取舍的设计原则，它影响着分布式系统的设计与发展，也是我们在学习分布式系统时必须要掌握的知识。

什么是CAP理论？

CAP理论是Eric Brewer教授在2000年7月的ACM PODC会议上首次提出的一个猜想：

It is impossible for a web service to provide the three following guarantees : Consistency, Availability and Partition-tolerance.

2年之后，来自麻省理工学院的Seth Gilber和Nancy Lynch从理论上证明了Eric Brewer的CAP猜想是成立的，这样CAP理论在学术上正式成为了分布式领域公认的定理，并深刻影响着分布式系统的发展。

CAP告诉我们：一个分布式系统不可能同时满足数据一致性、服务可用性和分区容错性这三个基本要求，最多只能同时满足其中的两个。

一致性（C）

CAP理论中的一致性是指强一致性，又叫线性一致性，它要求多节点组成的分布式系统，能像单节点一样运作，如果一个写操作返回成功，那么之后读请求都必须读到这个新数据；如果返回失败，那么所有的读者都不能读到这个数据。

一致性除了强一致性之外，还和其他的一致性级别，例如序列一致性和最终一致性。

可用性（A）

CAP理论对可用性指的是要求系统提供的服务必须处于100%可用的状态，对于用户的每一次请求，系统总能够在有限的时间内返回结果。

• 100%可用，它指系统完全可用，不允许任何不可用的情况。
• 在有限时间内，它指的是对于客户端的一个请求，系统必须在指定的时间内返回对应的请求结果，如果超过这个时间，系统就被认为是不可用的。
• 系统在完成对客户端请求的处理之后，必须返回一个正常的响应结果。

分区容错性（P）

分区指的是在整个分布式系统中，因为各种网络原因，系统被分隔成多个单独的部分，它不仅包含我们通常说的网络分区，也包含因为网络丢包导致的网络不通的情况。

在现实的分布式系统中，我们面对的就是一个不可靠的网络和有一定概率宕机的设备，因此在分布式系统实现中，分区容错星（P)是一个必须项，不是可选项。

从分布式系统工程实践来说，CAP理论更适合的描述：在满足分区容错性的前提下，没有算法能同时满足数据一致性和服务可用性。

CAP理论重新思考和理解

CAP 理论通过一个简单但是精确定义的模型，论证了在一个满足分区容错的分布式系统中，当我们进行系统设计时，只能在数据一致性和服务可用性之间二选一。

对可用性的重新思考

我们对服务的可用性（A）进行分析，你会发现在我们的日常工作中，几乎没有见过 100% 可用的服务。可用性指标是在 0 到 100% 之间连续分布的，其实一个 100% 可用性的服务和一个99.9999%可用性的服务之间并没有多大的差别，如果我们的服务能实现 99.9999% 的可用性，哪怕它不符合 CAP 理论的可用性，也是符合我们工作中对可用性的要求的。

对一致性的重新思考

在数据一致性方面，虽然我们无法实现强一致性，但是我们也不要全部放弃，可以努力去实现更高的一致性级别，为系统的服务提供更好的抽象。

如果出现网络分区了，我们可以根据系统情况，有选择并且精心设计地降低系统的一致性级别。

对分区容错性的重新思考

在分布式系统中，节点之间必须通过网络来通信，可是网络可能会丢包和中断，节点也可能会宕机，这样的情况就要求我们在系统设计的时候，必须做好系统的分区容错处理。

CAP 理论给我们定义了系统的设计边界，虽然想要设计出超过边界的系统是徒劳的，但是我们却可以无限逼近边界，并且把它作为我们设计系统的目标。

对于 CAP 理论，我们不会简单地三选二或者二选一。对于 AP 模型的系统，我们会努力去提升数据一致性的级别，而对于 CP 模型的系统，我们会努力去提升系统可用性的级别。

此文章为极客时间4月份Day03学习笔记，内容来自《深入浅出分布式技术原理》课程。