什么是 CAP 定理？
CAP 定理是分布式系统设计中的核心理论，由 Eric Brewer 提出，它指出一个分布式系统无法同时满足 一致性（Consistency）、可用性（Availability） 和分区容错性（Partition Tolerance） 这三个特性，最多只能同时满足其中两个。
cap原理图
三个特性的核心定义如下：
-
一致性（C）：所有节点在同一时间访问到的数据是完全一致的，即对数据的更新操作执行成功后，所有节点都能看到最新结果。
-
可用性（A）：系统在任何时候（即使部分节点故障），只要收到用户的合法请求，就必须在合理时间内返回非错误的响应。
-
分区容错性（P）：当分布式系统中的网络发生分区（即部分节点与其他节点通信中断）时，系统仍能继续正常运行。
为什么 CAP 不能同时满足？
核心矛盾源于网络的不确定性，即分布式系统中“分区（P）”是客观存在且无法避免的（如网络延迟、断网）。当发生分区时，系统只能在“一致性（C）”和“可用性（A）”之间做权衡，无法两者兼得，具体推导如下：
1.假设同时满足 P 和 C，必然牺牲 A
- 当网络分区发生时，系统被分成 A、B 两个独立集群。若客户端向 A 集群写入了新数据，为保证一致性（C），B 集群必须同步该数据才能提供读取服务。但由于分区，A、B 无法通信，B 集群无法获取最新数据，此时系统只能拒绝 B 集群的读取请求（否则会返回旧数据，破坏 C），这就导致 B 集群不可用，即牺牲了可用性（A）。
2.假设同时满足 P 和 A，必然牺牲 C
- 同样发生网络分区后，为保证可用性（A），A、B 集群都需正常响应客户端请求。若客户端先向 A 写入新数据，再向 B 读取数据，由于分区导致数据未同步，B 会返回旧数据，此时系统无法保证数据一致性（C），即牺牲了一致性。
3.假设同时满足 C 和 A，必然无法应对 P
- 若要同时保证一致性和可用性，前提是网络始终稳定（无分区），所有节点能实时同步数据。但分布式系统的本质是跨网络部署，分区（P）无法避免，一旦发生分区，C 和 A 就无法同时满足，因此“同时满足 C、A、P”在分布式环境下是不可能实现的。
综上，由于网络分区的客观存在，分布式系统在设计时必须根据业务场景取舍：优先保证一致性和分区容错性（如银行转账系统），或优先保证可用性和分区容错性（如电商商品详情页）。
