为什么说，CAP是分布式理论的基础？

分布式系统非常关注三个指标：

数据一致性; 系统可用性; 节点连通性与扩展性;

这三个指标的为什么说关系如何，今天来聊一聊分布式理论的布式基础CAP。

什么是理论数据一致性?

数据“强一致性”，是为什么说希望系统只读到最新写入的数据，例如：通过单点串行化的布式方式，就能够达到这个效果。理论

关于session一致性，为什么说DB主从一致性，布式DB双主一致性，理论DB与Cache一致性，为什么说数据冗余一致性，布式消息时序一致性，理论分布式事务一致性，为什么说库存扣减一致性，布式都存在类似的理论一致性问题。

什么可用性?

如果系统每运行100个时间单位，会有1个时间单位无法提供服务，则说系统的可用性是99%。

可用性和可靠性是比较容易搞混的两个指标，以一台取款机为例：

正确的输入，能够取到正确的钱，云服务器表示系统可靠; 取款机7*24小时提供服务，表示系统可用;

保证系统高可用的方法是：

冗余; 故障自动转移;

什么是连通性与扩展性?

分布式系统，往往有多个节点，每个节点之间，都不是完全独立的，需要相互通信，当发生节点无法联通时，数据是否还能保持一致，系统要如何进行容错处理，是需要考虑的。

同时，连通性和扩展性紧密相关，想要加机器扩展性能，必须有良好的连通性。当一个节点脱离系统，系统就出现问题，往往意味着系统是无法扩展的。

什么是CAP定理?

CAP定理，是对上述分布式系统的三个特性，亿华云计算进行了归纳：

一致性(Consistency); 可用性(Availability); 分区容忍性(Partition Tolerance);

并且，定理指出，在系统实现时，这三者最多兼顾两点。

一致性，可用性，多节点扩展性三者只能取其二，既然加锁已经加上，常见的最佳工程架构实践是什么呢?

互联网，最常见的实践是这样的：

节点连通性，多节点扩展性，连通性异常的处理必须保证，满足P; 一致性C与可用性A一般二选一; 选择一致性C，举例：传统单库水平切分，就是这类选型的典型; 选择可用性A，举例：双主库同步高可用，就是这类选型的典型;

强一致很难怎么办?

单点串行化，虽然能保证“强一致”，但对系统的并发性能，以及高可用有较大影响，互联网的玩法，服务器租用更多的是“最终一致性”，短期内未必读到最新的数据，但在一个可接受的时间窗口之后，能够读到最新的数据。

例如：数据库主从同步，从库上的数据，就是一个最终的一致。

总结

CAP可以理解为一致性，可用性，联通与扩展性; CAP三者只能取其二; 最常见的实践是AP+最终一致性;

【本文为专栏作者“58沈剑”原创稿件，转载请联系原作者】

戳这里，看该作者更多好文