哈喽，大家好，我是指北君。
大型网站几乎都是分布式系统，分布式系统也越来越重要，你也会发现周围的许多事物已经是分布式理论的最佳实践了。
前言
分布式系统（distributed system）主要有三个指标 一致性 （Consistency），可用性（Availability），分区容错性（Partition tolerance）。
一致性是指更新操作成功后，所有节点在同一时间的数据完全一致。
可用性是指用户访问数据时，系统是否能正常响应时间内返回数据。
分区容错性是指分布式系统在遇到某个节点或网络分区故障时，仍然能够对外提供满足一致性和可用性的服务。
CAP理论基本可以定义为，以上的三个指标不能全部做到，即只能同时满足CA, CP, AP。
1. 分区容错性
分布式系统存在多个子系统，每个子系统子网络可以叫做区。各个节点之间的数据需要同步，子系统之间也需要通信。而分区容错指的是某个节点出现故障，而整个服务不会受到大的影响。
若一个服务为单节点服务，那么它可以说是满足CA。
C表示任何时间点读取的数据都是相同的，保证了一致性。
A表示只要有节点可以用，那么就可以提供服务
由于是单节点服务，那么总是满足CA的条件。
而在分布式系统中，大多时候，单节点出问题之后，我们是需要保障整个系统都是可以使用的。所以可以认为CAP中的P总是需要成立的。
2. 一致性
一致性指的是分布式系统中所有节点在同一时间访问时，返回数据完全一致。
从客户端看，就是并发访问时获取数据的一致性。
服务端来看，就是数据节点之间的同步问题，即节点之间通过通信保持数据的实时更新。
也有对一致性分成强，弱以及最终一致性三类。
强一致性 要求数据更新后，对于其他节点，必须立马同步，并可见。
弱一致性 可以允许在数据更新后，部分节点不能访问到最新的数据。
最终一致性 要求一段时间内不能访问最新数据，但是一段时间后，分布式系统的所有数据需要统一
3. 可用性
相对来说，可用性比较容易理解，就是说任何时候，我们都可以从系统中获取数据。系统可以提供正常的用户服务。不会出现操作失败，访问超时等情况
总结
由于网络通信肯定会出现延迟丢包等问题，所以一般情况而言，分区容错性是必须实现的。那么分布式系统会在一致性和可用性之间进行权衡， 即C和A之间的选择。
CP without A 即要求一致性，每个请求都要求服务之间保持强一致性，分区则会使同步时间无限延长，如果网络严重故障，消息丢失的情况下，用户体验差，需要全部数据一致后才能提供访问。比如Redis，Hbase 等就会要求数据一致性。Zookeeper 也是遵循CP原则，Leader节点挂掉之后，集群会进行选举，选举期间整个Follower都是不可用的，需要同步数据，所以需要Zookeeper恢复之后才可以使用。
AP without C 即要求高可用而且可以分区，此时需要放弃一致性。分区节点出现故障时，为了满足高可用，每个节点只能使用本地的数据提供访问，避免服务中断。这种典型的应用就是抢票等情形，前一秒还有票，当我输入验证码之后再点击，票已售罄。心里的草泥马无限增生。Eureka是采用AP原则，牺牲一致性，达到可用性的目的。
在一致性方面做出让步之后，有些系统会实现最终一致性，尽力保证整个系统的数据一致性。
分布式系统的一致性和可用性之间的选择没有固定的搭配，而需要根据不同的业务场景进行选择，吹牛没用，合适才行。
