简介：
在理论计算机科学中，CAP定理（CAP theorem），又被称作布鲁尔定理（Brewer’s theorem），理论的核心是：一个分布式系统不可能同时很好的满足一致性，可用性和分区容错性这三个需求，最多只能同时较好的满足两个。
类别：
一致性（Consistency)
概念：
同一个数据在集群中的所有节点，同一时刻是否都是同样的值。
说明：
对于一致性，可以分为从客户端和服务端两个不同的视角。从客户端来看，一致性主要指的是多并发访问时更新过的数据如何获取的问题。从服务端来看，则是更新如何复制分布到整个系统，以保证数据最终一致。一致性是因为有并发读写才有的问题，因此在理解一致性的问题时，一定要注意结合考虑并发读写的场景。从客户端角度，多进程并发访问时，更新过的数据在不同进程如何获取的不同策略，决定了不同的一致性。对于关系型数据库，要求更新过的数据能被后续的访问都能看到，这是强一致性。如果能容忍后续的部分或者全部访问不到，则是弱一致性。如果经过一段时间后要求能访问到更新后的数据，则是最终一致性。
可用性（Availability）
概念：
集群中一部分节点故障后，集群整体是否还能处理客户端的更新请求。
说明：
对于一个可用性的分布式系统，每一个工作正常的节点必须对每一个请求作出响应。好的可用性主要是指系统能够很好的为用户服务，不出现用户操作失败或者访问超时等用户体验不好的情况。
分区容忍性（Partition tolerance）
概念：
是否允许数据的分区，分区的意思是指是否允许集群中的节点之间无法通信。
说明：
分区容错性和扩展性紧密相关。在分布式应用中，某些原因会导致系统无法正常运转。比如现在的分布式系统中有某一个或者几个机器宕掉了，其他剩下的机器还能够正常运转满足系统需求，或者是机器之间有网络异常，将分布式系统分隔未独立的几个部分，各个部分还能维持分布式系统的运作，这样就具有良好的分区容错性。
选择：
由于分布式系统，我们无法不选择P，因为由于网络的不可靠性，必定会导致两个机器节点之间无法进行网络通信，从而导致数据无法同步。这样的现实导致我们必须选择P。然后，在这个前提下，我们要么选择A，要么选择C。
下面分析一下原因：
当两台机器节点之间无法通信时（即选择了P），如果我们继续允许客户端写入数据到其中一台，那就必然导致数据不一致，因为这个数据无法同步到另一台机器。（这种做法就是选择了A，牺牲了C）
当两台机器节点之间无法通信时（即选择了P），如果我们不允许客户端写入数据到任何一台，那数据虽然是一致的，但系统就不可用了。（这种做法就是选择了C，牺牲了A）