分布式CAP原理

CAP 定理是分布式系统中的一个基本理论：一个分布式系统最多只能同时满足以下三个特性中的两个：

C（Consistency，一致性）
所有节点在同一时刻看到的数据相同。更严格地说，读操作能够得到最新写入的数据。

A（Availability，可用性）

每个请求都能在有限时间内得到响应，不能因为部分节点故障而一直拒绝服务。

P（Partition Tolerance，分区容错性）当节点之间的网络发生分区、消息丢失或延迟时，系统仍能继续运行。

核心结论

在真实分布式系统中，网络分区是无法完全避免的，所以通常必须保证 P。

一旦发生网络分区：

选择C：暂停部分请求，保证数据一致
→CP 系统

选择A：允许各节点暂时返回不同数据，保证服务可用

→AP 系统

因此，CAP 更准确的表述是：

当网络分区发生时，系统无法同时保证强一致性和高可用性。

举例

假设有两个副本节点：

客户端 -> 节点 A | 网络断开 | 节点 B

客户端向节点 A 写入余额 = 100，但 A 与 B 之间网络中断。

此时：

选择一致性 C

节点 B 无法确认最新数据，因此拒绝或等待请求。

数据一致

可用性下降

典型 CP 思路

选择可用性 A

节点 B 继续响应请求，即使它仍返回旧值。

服务可用

数据可能暂时不一致

典型 AP 思路

网络恢复后，再通过同步、冲突解决等方式最终达成一致。

常见系统分类

需要注意：CA 在真正的分布式环境中通常不现实，因为网络分区始终可能发生。

常见误区

“CAP 只能三选二”并不意味着系统平时只能满足两个特性。

更准确地说：

没有发生网络分区时，系统可以同时表现出 C 和 A；

发生网络分区时，必须在 C 和 A 之间做取舍；

P 不是可以随便放弃的选项。

另外，CAP 中的 C 通常指强一致性/线性一致性，不是泛指所有形式的一致性。