微服务应用属于分布式系统的一种落地实践，而分布式系统的最大难题是处理各个节点之间数据状态的一致性，CAP原理就是描述分布式系统下节点数据同步的基本定理
CAP定理分别指Consistency(一致性)、Availability(可用性)、Partion toterance(分区容忍性)这三种特性通常情况下不能同时满足。
（1）数据一致性
系统的数据信息（包括备份数据）在同一时刻都是一致的，在分布式系统中，同一份数据可能存在多个不同的实例中，在数据强一致性的要求下，对其中一份数据的修改，必须同步到它的所有备份中去，在数据同步的任何时候，都需要保证所有对该份数据的请求将返回同样的状态。
（2）服务可用性
服务在接收到客户端请求后，都能够给出响应。服务可用性考量的是系统的可用性，要求服务在高可用和部分节点宕机的情况下，系统整体依然能够响应客户端的请求。
（3）分区容忍性
在分布式系统中，不同节点之间通过网络进行通信，基于网络的不可靠性，位于不同网络分区的服务节点都可能会通讯失败，如果系统能够容忍这种情况，说明它是满足分区容忍性的，如果系统不能够满足分区容忍性，那将会限制分布式系统的扩展性，即服务节点的部署数量和地区将受限，违背了分布式系统的设计初衷，一般来讲分布式系统都会满足。
解释下为什么不能同时满足三个条件？
假设服务A现在有两个实例A1和A2，他们之间的网络通信出现异常，基于分区容忍性，并不会影响A1和A2独立的正常运行，若此时客户端请求A1，
请求将数据B从B1状态修改为B2，由于网络的不可用，数据B的修改并不能通知到A2实例，
如果此时另一个客户端向A2请求数据B，如果A2返回数据B1，将满足服务的可用性，但并不能满足数据一致性；
如果A2需要A1的通知之后才能返回数据B的正确状态，虽然满足了数据一致性，但无法响应客户端二点请求，违背了服务可用性的指标。
基于分布式系统的基本特质，分区容忍性是必须要满足的，接下来，需要考虑满足数据一致性还是服务可用性，这要取决于具体的应用场景，在类似银行对数据要求强的系统中，要优先考虑满足数据一致性；而类似大众网页的系统中，用户对网页版本的新旧不会有特别的要求，在这种情况下服务可用性高于数据一致性。