CAP理论
简介
由计算机科学家 Eric Brewer提出。其观点为，在分布式计算机系统中不可能同时保证以下三个功能。
- 一致性（Consistency）: 同一时间系统中能提供服务（正常工作）的节点的数据是相同的。
- 可用性（Availability）: 系统中的所有节点都是可用（提供服务）的，收到请求后都会得到响应并且正常提供服务。
- 分区容错性（Partition Tolerance）: 将系统的一些节点与其它节点相隔离（可看做网络故障，节点之间无法同步更新了），整个系统仍能继续服务（即至少保证有一个节点在提供服务）。
CAP理论认为在分布式系统中，无法同时满足一致性（Consistency）、可用性（Availability）和分区容忍性（Partition tolerance）三个特性的原因是因为网络通信的不可靠性和延迟。
在一个分布式系统中，节点之间的通信是通过网络进行的。由于网络的不可靠性和延迟，节点之间可能会发生通信失败、消息丢失、延迟过高等问题。为了保证一致性，需要在节点之间进行数据同步和协调，确保所有节点具有相同的数据副本。但是，当发生网络分区或节点故障时，节点之间无法通信，无法进行数据同步和协调，从而无法保证一致性。
如果系统追求强一致性，即在任何时间点，系统中的所有节点都具有相同的数据副本，那么在网络分区或节点故障的情况下，必须暂时停止服务或降低可用性，等待问题解决后再继续提供服务。这样会导致系统不可用的时间延长，影响系统的可用性。
相反，如果系统追求高可用性，即在任何时间点，系统都能够继续提供服务，那么在网络分区或节点故障的情况下，可能会导致数据的不一致性。因为在分布式系统中，为了保证高可用性，可能会允许部分节点独立处理请求，而不进行数据同步和协调。这样会导致数据在不同节点上的副本出现差异，破坏了一致性。
而分区容忍性是指分布式系统可以在网络分区的情况下继续运行。即使某些节点无法与其他节点通信，系统仍然可以正常工作。为了实现分区容忍性，系统必须允许部分节点独立运行，但这可能会导致数据的不一致性。
因此，由于网络的不可靠性和延迟，CAP理论认为在分布式系统中无法同时满足一致性、可用性和分区容忍性三个特性。在设计分布式系统时，需要根据具体的需求和场景，权衡这三个特性，并选择适合的设计方案。
那么实际应用中，对于某个具体的系统，只有妥协三者中的某部分。下面介绍三种CAP模型
牺牲分区（CA模型）
想要系统在网络分区时（部分子节点网络不通的时候）也能正常工作，带来那么多问题，那么就不分呗，然而如果不分的话，这还算分布式系统吗？显然不是。
他也失去了分布式系统最重要的伸缩性，冗余性。
CA常见例子：
- 单站点数据库
- 集群数据库（将一组服务器在一起形成集群，当出现问题就一起崩了）
牺牲可用性（CP模型）
部分子节点网络不通，该部分节点的请求失效就失效吧，放弃一定的请求成功。整个系统来说有部分节点还在继续工作，只是暂停了部分损坏节点的问题，可以通过隔离损坏节点来减少损失。
- 分布式数据库
- 绝大多数协议
实现方式：
- 悲观锁
- 少数子节点不可用（然后将其隔离避免无效请求）
牺牲一致性（AP模型）
部分子节点网络不通，没关系，不理它，反正早晚会通的，到时候不就一致了么，现在不一致也不打紧。
- Web缓存
- DNS
实现方式：
- 乐观
- 到期/租赁