什么是 CAP 理论
CAP 是 Consistency、Availability、Partition tolerance 三个词语的缩写，分别表示一致性、可用性、分区容错性。
-
一致性（Consistency）：所有节点在同一时间读到的数据都是相同的，写操作后的数据能立即在所有节点上读取到。CAP 理论中的一致性是强一致性。
-
可用性（Availability）：系统在任何非故障情况下，都能在有限的时间内对客户端的请求给出响应，即使是错误响应。高可用意味着系统总是可以访问和操作。
-
分区容错性（Partition tolerance）：即使网络出现分区（即部分节点之间的通信中断），系统仍然能够继续提供服务。在分布式系统中，由于网络问题的不可避免性，分区容错性是非常重要的。
CAP 不可能三角
CAP 理论表明，在设计分布式系统时，只能同时满足 2 个特性。
-
CA 系统：如果放弃 P（分区容错性），即假设网络永远不会分区，那么可以设计出一致性和可用性都高的系统。(但在现实世界中，网络分区是难以避免的，因此这样的系统在实际部署中可能不太可行。)
-
CP 系统：如果放弃 A（可用性），在发生网络分区时，优先保证数据的一致性，牺牲部分请求的响应，直到系统恢复一致状态后再提供服务。（许多分布式数据库系统属于此类，如 MongoDB 的某些配置。）
-
AP 系统：如果放弃 C（强一致性），则在分区发生时，系统仍能继续提供服务，但可能会返回旧的数据或临时不一致的数据，以保证高可用性。许多面向互联网的服务会选择这种模式，如 DynamoDB，通过最终一致性模型来实现。
为了达到良好的响应性能来提高用户体验，大多数互联网服务选择保证 AP 这 2 个特性，放弃强一致性，保证 最终一致性。
最后，关于 CAP 理论有个误解：就是认为无论在什么情况下，分布式系统都只能在 C 和 A 中选择 1 个。 事实上，在不存在网络分区的情况下（也就是分布式系统正常运行时），C 和 A 能够同时保证。只有当发生分区故障的时候，也就是说需要 P 时，才会在 C 和 A 之间做出选择。
Reference