分布式cap理论
cap理论
对于一个分布式计算系统，不可能同时满足一致性，可用性，分区容错性三个设计约束；
在一个分布式系统中，当涉及读写操作时，只能保证一致性，可用性，分区域容错性三者中的两个，另一个必须牺牲；
一致性
对于某个指定的客户端来说，读操作保证返回最新的操作结果；
可用性
非故障节点在河里的时间内返回河里的响应（不是错误和超时的响应）
分区容忍性
当出现网络分区后，系统能够继续陆行职责
一个分布式系统里面，节点组成的网络本来应该是连通的。然而可能因为一些故障，使得有些节点之间不连通了，整个网络就分成了几块区域。数据就散布在了这些不连通的区域中。这就叫分区。
当你一个数据项只在一个节点中保存，那么分区出现后，和这个节点不连通的部分就访问不到这个数据了。这时分区就是无法容忍的。
提高分区容忍性的办法就是一个数据项复制到多个节点上，那么出现分区之后，这一数据项就可能分布到各个区里。容忍性就提高了。
然而，要把数据复制到多个节点，就会带来一致性的问题，就是多个节点上面的数据可能是不一致的。要保证一致，每次写操作就都要等待全部节点写成功，而这等待又会带来可用性的问题。
总的来说就是，数据存在的节点越多，分区容忍性越高，但要复制更新的数据就越多，一致性就越难保证。为了保证一致性，更新所有节点数据所需要的时间就越长，可用性就会降低。
这段话引用自知乎 作者：邬江
cap应用
在分布式环境下，p(分区容忍)必须选择，因为网络无法做到100%可靠，可能出现故障，所以分区必然选择
如果选择CA放弃P,当发生系统分区后，为了保证C,系统需要禁止写入，系统返回error,这又和A冲突了，因为A要求系统返回no error和no timeout,因此分布式系统理论上不能选择ca架构，只能选择CP或者Ap
CP
为了保证一致性，当发生分区现象后，N1节点上的数据已经更新数据到y,但由于网络分区，N1和N2中间的复制通道中断，数据y无法同步到N2,N2节点的数据还是x,这时客户端访问N2时，需要返回error,这种处理方式违反了可用性，因此CAP三者满足CP;
AP
客户端访问N2,N2把自己的数据x返回给客户端，但实际上最新数据已经是y了，这就不满足一致性要求，因此CAP中满足了AP,这里N2返回的数据虽然不是一个正确的数据，但是是一个合理的结果，x是旧数据，并不是错乱的值，只不过不是最新而已；
CAP关健细节
C与A之间的取舍可以在同一系统内衣非常细小的粒度反复发生，而每一次的决策可能以为具体的操作，乃至因为牵涉到特定的数据或用户而有所不同；
每个系统中都有多种数据，有的数据必须选择CP,有的数据必须选择AP,要减小选择的粒度，比如用户账号数据通常选择CP,而用户信息数据通常选择AP;
每年系统发生不可用的时间累积可能有几十分钟，我们不是永久放弃C或者A,要在分区发生时做一些操作，让分区故障恢复后，系统能恢复CA状态，最典型的方法就是分区故障后，系统根据日志进行恢复，重新达到CA,
