What’s CAP

CAP理论是针对分布式数据系统中，不能同时满足Consistency、Availability、 Partition Tolerance三个要素，最多只能满足其中两个要素

1.CAP理论关注的数据系统而不是广义的分布式系统
2.CAP理论不代表我们的整个数据系统只能满足其中2个要素，可以更细粒度控制：系统的A功能模块的数据选择CP，而B功能模块的数据选择AP

1.一致性（Consistency）

读取数据都能保证返回最新写操作的结果

这是一种理想场景，因为在分布式系统中，网络之间的数据同步也是需要时间的，所以我们对一致性的修饰词应该是“高”一致性（代表数据同步的速度比较快，延迟时间比较短），而不是绝对的一致。

2.可用性（Availability）

读取数据都能保证有限的时间内返回正常的结果

1.超时属于不可用
2.返回不能解析的错误也属于不可用，例如OOM或者系统错误

3.分区容错性（Partition Tolerance）

即使节点之间因为网络等原因发生了分区故障，系统也能正常提供服务

网络分区指因为网络等原因，部分节点之间的通信发生了异常，导致这些节点出现了孤立的情况，但是单个节点内部的网络和状态都是正常。

Why 2 out of 3?

1.CA：意即舍弃系统的可扩展性，而我们要设计的是分布式存储系统，所以P是一定不能舍弃的，所以问题就变成了二选一（C和A中选一个），所以CA的选择在分布式数据系统中是不存在的

1.如果选择了CA，舍弃了P，这种情况其实就是说不考虑分区容错性，这种只能是单点系统，否则如果是多节点系统的话因为网络问题永远无法避免，所以分区容错是永远不能舍弃的，所以CA在分布式数据系统的设计中是不存在的
2.如果选择了CA，舍弃了P，假设有N1和N2两个节点发生了分区的时候，如果要写入数据，那么为了保证C，系统需要禁止该写入或者返回error，这和我们选择的CA中的A是相冲突的，所以CA在分布式数据系统的设计中是不存在的

2.AP：读取数据的时候，为了保证系统的可用性，需要在规定的时间范围内返回正确的结果，但是因为舍弃了一致性，这个时候返回的数据是旧数据
3.CP：读取数据的时候，为了保证数据的一致性，需要等待最需数据同步完毕（可能会等待超时）或者直接返回错误（而超时和错误都导致了系统的不可用性）
4.CAP：由2和3得知，保证了A就没法保证C，反之亦然，所以CAP这种选择在分布式数据系统中是不存在的

综上所述，CAP三要素只能选择其中两项，更进一步说是只能是AP和CP

How to choose?

CP和AP的选择，其实是在一致性和可用性之间的一个取舍和权衡

例1：微博的消息发布，我们可以容忍某个明星发送的出轨消息晚点被我们看到，但是我们不太能容忍访问微博的时候报错或者超时了
例2：以QQ的个人信息（昵称、备注等信息）和账号密码信息（登录密码等信息）为例：针对个人信息，我们可以容忍一定时间内看不到新修改的数据（舍弃一致性），但是必须要保证用户可以去修改（选择了可用性），所以一般会选择AP。但是针对账号密码等登录信息，为了保证一致性，我们可以容忍用户等待一定的时间或者返回一个错误（舍弃了可用性），而不是登录到一个错误的账号密码上去，所以会选择CP，当然对QQ这种量级的公司来说，舍弃可用性只是相对自己的一致性而言。