该CAP定理是在分布式系统中的一个基本定理，指出任何分布式系统最多可以有以下三个属性。
一致性（Consistency） （等同于所有节点访问同一份最新的数据副本）
可用性（Availability）（每次请求都能获取到非错的响应——但是不保证获取的数据为最新数据）
分区容错性（Partition tolerance）（以实际效果而言，分区相当于对通信的时限要求。系统如果不能在时限内达成数据一致性，就意味着发生了分区的情况，必须就当前操作在C和A之间做出选择。）
本指南将通过图片总结 吉尔伯特和林奇的规范以及CAP定理的证明 ！
什么是CAP定理？
CAP定理指出，分布式系统不能同时保持一致，可用和分区容忍。听起来很简单，但是保持一致意味着什么？可用的？分区容忍？哎呀，分布式系统到底意味着什么？
在本节中，我们将介绍一个简单的分布式系统，并说明该系统具有可用性，一致性和分区容忍性。有关系统和三个属性的正式说明，请参阅 Gilbert和Lynch的论文。
分布式系统
让我们考虑一个非常简单的分布式系统。我们的系统由两台服务器组成，G1 和 G2。这两个服务器都在跟踪相同的变量v，其值最初是 v0。 G1 和 G2 可以相互通信，也可以与外部客户端通信。这是我们的系统的外观。
客户端可以请求从任何服务器进行写入和读取。服务器收到请求后，将执行所需的任何计算，然后响应客户端。例如，这个是write看到的样子。
这个是read看到的样子。
现在我们已经建立了系统，接下来让我们了解一下对于系统一致行，可用行和分区容忍分性在整个系统中意味着什么。
一致性
这是Gilbert和Lynch描述一致性的方式。
在write操作完成之后开始的任何read操作都必须返回该值。
在一致的系统中，客户端将值写入任何服务器并获得响应后，它期望从其读取的任何服务器取的值都是一致的。
这是一个不一致的系统的示例。
我们的客户端发送一个写入请求将 v1 到 G1 并且 G1 接收成功，但是当它从 G2读取改值时，它将获取陈旧的数据：v0。
另一方面，这是一个一致的 系统的示例。
在这个系统中 G1 将其值复制到 G2在向客户发送确认之前。因此，当客户从G2请求改值时，它将获得最新的值 v：v1。
可用性
这是Gilbert和Lynch描述可用性的方式。
系统中非故障节点收到的每个request都必须有一个response结果。
在可用的系统中，如果我们的客户端向服务器发送请求并且服务器没有崩溃，则服务器最终必须响应客户端。不允许服务器忽略客户端的请求。
分区容错性
这是Gilbert和Lynch描述分区的方式。
网络将被允许任意丢失从一个节点发送到另一节点的多个消息。
这意味着任何消息 G1 和 G2可以互相发送。如果所有消息都被丢弃，那么我们的系统将如下所示。
为了容忍分区，我们的系统必须能够在任意网络分区下正常运行。如果出现分区容错性，那就说明G1和G2状态不一致。
定理证明
现在我们已经了解了一致性，可用性和分区容错性的概念，我们可以证明一个系统不能同时拥有这三个。
假设确实存在一个一致，可用且容忍分区的系统。我们要做的第一件事是对系统进行分区。看起来像这样。
接下来，我们让客户端发出写入request将v1写到G1。由于我们的系统可用，G1必须回应。但是由于网络是分区的，G1 无法将其数据复制到 G2。吉尔伯特和林奇称之为执行阶段α1。
接下来，我们让客户端发出读取request从 G2读取v值。同样，由于我们的系统可用，G2必须回应。由于网络是分区的，G2无法从G1中更新其值v0->v1 。它返回v0。吉尔伯特和林奇称之为执行阶段α2。
G2 返回 v0 在客户端写入v1->G1之后。在我们外部看来，对于整个系统v存在两个版本的值v1 v2，这是不一致的。
但是我们只是表明存在任何此类系统执行的情况，其中该系统的行为不一致。因此，不存在这样的系统。
参考链接
https://mwhittaker.github.io/blog/an_illustrated_proof_of_the_cap_theorem/
https://en.wikipedia.org/wiki/CAP_theorem