著名的 CAP 理论指出，一个分布式系统不可能同时满足 C(一致性) A(可用性) 和 P(分区容错性)。由于分区容错性 P 是在分布式系统中必须保证的，因此我们只能在 A 和 C 之间进行权衡。
Zookeeper 保证的是 CP，
当向注册中心查询服务列表时，我们可以容忍注册中心返回的是几分钟以前的注册信息，但不能接受服务器直接 DOWN 掉不可用。 也就是说， 服务注册功能对可用性要求高于一致性。但是 Zookeeper 会出现这样一种情况，当 master 节点因为网络故障和其他节点失去联系时，剩余节点会重新进行 leader 选举。问题在于，选举 leader 的时间太长，30~120S，且选举期间整个 Zookeeper 集群都是不可以的，这就导致在选举期间注册服务瘫痪。 在云部署的环境下，因为网络问题使得 Zookeeper 集群失去 master 节点是较大概率会发生的事，虽然服务能够最终恢复，但是漫长的选举时间导致的注册长期不可用是不能容忍的。
Eureka 保证则是 AP。
Eureka 看明白了这一点，因此在设计时就优先保证了可用性。 Eureka 各个节点都是平等的，几个节点挂掉不会影响正常节点的工作，剩余的节点依然可以提供注册和查询服务。而 Eureka 的客户端在向某个 Eureka 注册时如果发现链接失败，则会自动切换至其他节点，只要有一台 Eureka 还在，就能保证注册服务可用（保证可用性），只不过查到的信息可能不是罪行的（不保证强一致性）。除此之外，Eureka 还有一种自我保护机制，如果在十五分钟内超过 85% 的节点都没有正常的心跳，那么 Eureka 就认为客户端与注册中心出现了网络故障，此时会出现以下几种情况：
1.Eureka 不再从注册列表中移除因为长时间没收到心跳而应该过期的服务
2.Eureka 仍然能够接受新服务的注册和查询请求，但是不会被同步到其他节点上（即保障当前节点依然可用）
3. 当网络稳定时，当前实例新的注册信息会被同步到其他节点中。、
因此，Eureka 可以很好的应对网络故障导致部分节点失去联系的情况，而不会像 Zookeeper 那样使整个服务瘫痪。