【架构】CAP 定理 P 代表什么含义

CAP 定理的定义是指在分布式系统中三者只能满足其二（前提是出现分区问题，正常情况下CAP都能满足）

什么是 CAP 定理（CAP theorem）

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），它指出对于一个分布式计算系统来说，不可能同时满足以下三点：

• 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）（系统出现分区问题，节点间因为网络延迟或故障不可通信，必须在 C 和 A 之间做出选择。）

分区容错性（Partition tolerance）

分区现象：即多个分区之间无法通信，相互隔离（如网络不通导致）

分区容错：多个分区无法通信后，整个系统还可提供服务（如果选择CP，则必须等待剩余不存在分区问题的节点间重新达成一致，比如故障节点为主节点，需要在剩余节点重新选举主节点）

理解 CAP 理论的最简单方式是想象两个节点间无法通信，对客户端操作来说：

1、允许两个节点间数据不一致，即丧失了 C 性质。（两个节点为主从同步，客户端往其中一个节点写数据，无法同步到另一个节点）

2、如果为了保证数据一致性，会返回客户端，系统不可用，即丧失了 A 性质。

3、除非两个节点可以互相通信，才能既保证 C 又保证 A。（两个节点可以通信，表示分区可用）

• P 指的是分区容错性，分区现象产生后需要容错，容错是指在 A 与 C 之间选择。如果分布式系统没有分区现象（没有出现节点间网络通信问题） ，就可以同时满足CAP。
• 需要在A、C之间选择的前提是得有分区情况存在

几个常用的 CAP 框架对比

框架	所属
Eureka	AP
Zookeeper	CP
Consul	CP

Eureka

Eureka 保证了可用性，实现最终一致性。

Eureka 所有节点都是平等的所有数据都是相同的，且 Eureka 可以相互交叉注册。

Eureka client 使用内置轮询负载均衡器去注册，有一个检测间隔时间，如果在一定时间内没有收到心跳，才会移除该节点注册信息；如果客户端发现当前 Eureka 不可用，会切换到其他的节点，如果所有的 Eureka 都跪了，Eureka client 会使用最后一次数据作为本地缓存；所以以上的每种设计都是他不具备[一致性]的特性。

注意：因为 EurekaAP 的特性和请求间隔同步机制，在服务更新时候一般会手动通过 Eureka 的 api 把当前服务状态设置为[offline]，并等待 2 个同步间隔后重新启动，这样就能保证服务更新节点对整体系统的影响

Zookeeper

强一致性

Zookeeper 在选举 leader 时会停止服务，只有成功选举 leader 成功后才能提供服务，选举时间较长；内部使用 paxos 选举投票机制，只有获取半数以上的投票才能成为 leader，否则重新投票，所以部署的时候最好集群节点不小于 3 的奇数个（但是谁能保证跪掉后节点也是奇数个呢）；Zookeeper 健康检查一般是使用 tcp 长链接，在内部网络抖动时或者对应节点阻塞时候都会变成不可用，这里还是比较危险的；

Consul

和 Zookeeper 一样数据 CP

Consul 注册时候只有过半的节点都写入成功才认为注册成功；leader 挂掉时，重新选举期间整个 Consul 不可用,保证了强一致性但牺牲了可用性