分布式理论--CAP

CAP理论是指在一个分布式系统中，一致性（Consistency）、可用性（Availability）、分区容错性（Partition tolerance），这三个要素最多只能实现两点，不可能三点兼顾。

额。。。图有点烂，，但还能看

分布式系统与单片机不同，他设计到多节点之间的通信和交互，节点间的分区故障是必然发生的，所以在分布式系统中分区容错性（P）是必须考虑的。要么选中一致性（C），缺保数据正确；要么选择可用性（A），保证服务可用。

当选择了一致性（C）的时候，一定会读到最新的数据，不会读到旧数据，但如果因为消息丢失、延迟过高发生了网络分区，那么这个时候，当集群节点接收到来自客户端的读请求时，为了不破坏一致性，可能会因为无法响应最新数据，而返回出错信息。

当选择了可用性（A）的时候，系统将始终处理客户端的查询，返回特定信息，如果发生了网络分区，一些节点将无法返回最新的特定信息，它们将返回自己当前的相对新的信息。

数据一致性模型可以分为强一致性和弱一致性。在互联网领域的绝大多数场景中，都需要牺牲强一致性来换取系统的高可用性，形同往往只需要保证“最终一致性”，只要这个最终时间是在用户可以接受的范围内即可。

系统一致性模型.png

强一致性：当更新完成后，任何多个后续进程的访问都会返回最新值，这种是对用户最友好的，就是用户上次写的什么，下次就保证能读到什么。根据 CAP 理论，这种实现需要牺牲可用性。

弱一致性：系统在数据写入成功之后，不承诺立即读到最新的值，也不会具体的承诺多久之后可以读到。用户读到某一操作对系统数据的更新需要一段时间，这段时间我们称之为“不一致窗口”。

最终一致性：最终一致性是弱一致性的特例，强调的是所有的数据副本，在经过一段时间的同步之后，最终都能达到一个一致的状态。因此最终一致性的本质是需要系统保证最终数据能够达到一致，而不需要实时保证系统数据的强一致性。