分布式系统非常关注三个指标：
- 数据一致性;
- 系统可用性;
- 节点连通性与扩展性;
这三个指标的关系如何，今天来聊一聊分布式理论的基础CAP。
什么是数据一致性?
数据“强一致性”，是希望系统只读到最新写入的数据，例如：通过单点串行化的方式，就能够达到这个效果。
关于session一致性，DB主从一致性，DB双主一致性，DB与Cache一致性，数据冗余一致性，消息时序一致性，分布式事务一致性，库存扣减一致性，都存在类似的一致性问题。
什么可用性?
如果系统每运行100个时间单位，会有1个时间单位无法提供服务，则说系统的可用性是99%。
可用性和可靠性是比较容易搞混的两个指标，以一台取款机为例：
- 正确的输入，能够取到正确的钱，表示系统可靠;
- 取款机7*24小时提供服务，表示系统可用;
保证系统高可用的方法是：
- 冗余;
- 故障自动转移;
什么是连通性与扩展性?
分布式系统，往往有多个节点，每个节点之间，都不是完全独立的，需要相互通信，当发生节点无法联通时，数据是否还能保持一致，系统要如何进行容错处理，是需要考虑的。
同时，连通性和扩展性紧密相关，想要加机器扩展性能，必须有良好的连通性。当一个节点脱离系统，系统就出现问题，往往意味着系统是无法扩展的。
什么是CAP定理?
CAP定理，是对上述分布式系统的三个特性，进行了归纳：
- 一致性(Consistency);
- 可用性(Availability);
- 分区容忍性(Partition Tolerance);
并且，定理指出，在系统实现时，这三者最多兼顾两点。
一致性，可用性，多节点扩展性三者只能取其二，既然加锁已经加上，常见的最佳工程架构实践是什么呢?
互联网，最常见的实践是这样的：
- 节点连通性，多节点扩展性，连通性异常的处理必须保证，满足P;
- 一致性C与可用性A一般二选一;
- 选择一致性C，举例：传统单库水平切分，就是这类选型的典型;
- 选择可用性A，举例：双主库同步高可用，就是这类选型的典型;
强一致很难怎么办?
单点串行化，虽然能保证“强一致”，但对系统的并发性能，以及高可用有较大影响，互联网的玩法，更多的是“最终一致性”，短期内未必读到最新的数据，但在一个可接受的时间窗口之后，能够读到最新的数据。
例如：数据库主从同步，从库上的数据，就是一个最终的一致。
总结
- CAP可以理解为一致性，可用性，联通与扩展性;
- CAP三者只能取其二;
- 最常见的实践是AP+最终一致性;