分布式系统的CAP定理

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：

1. 一致性（Consistency)：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。
2. 可用性（Availability）：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。
3. 分区容忍性（Partition tolerance）：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。

定理：任何分布式系统只可同时满足二点，没法三者兼顾。
忠告：架构师不要将精力浪费在如何设计能满足三者的完美分布式系统，而是应该进行取舍。

用户想要的一致性是什么？难道我们集群中，某些节点挂了后，就不能继续为用户提供服务了吗？不是的。因为有NRW算法的存在。
我们想一下，用户关心集群中节点的数据一致性吗？不关心！那用户关心什么？用户关心的是，我只要写入数据成功了，那我下次读取该数据时，总是能读取到最新写入的数据。所以，只要我们的数据库做到了这一点，那数据库里的数据对于用户而言，就是具有一致性的。注意：这里的一致性是针对用户而言的，不是CAP定理中的数据副本之间的一致性概念。
那要做到这种一致性，要怎么做呢？答案就是NRW算法。
NRW算法
假设总共有五个节点（N），我们只要保证写入数据的节点数（W）+ 读取数据的节点数（R）大于总节点数即可。即保证W+R>N，那就能保证对客户端而言，总是能读取到它最新写入的数据。比如，总节点数为5，写入节点数为3，读取节点数为3，那我们就能保证客户端总是能读取到它最新写入的数据。有了这样的数据公式的作为理论保证。我们就可以根据情况灵活选择W,R了。由于我们不需要保证5台机器全部都写入成功，只需要保证3台写入成功即可。这就意味着，我们允许5台机器中的2台出现问题，也就是提高了系统的可用性。这样的设计，虽然集群节点之间，也许有些节点的数据不是最新的，也就是没有做到CAP中的C，但对用户来说，数据总是一致的。
所以，有了NRW算法，我们就能做到，在满足AP的前提下，我们完全还可以做到对用户而言的数据一致性。