一篇文章读懂什么是CAP(基础入门)

【辰兮要努力】：hello你好我是辰兮，很高兴你能来阅读，昵称是希望自己能不断精进，向着优秀程序员前行！

博客来源于项目以及编程中遇到的问题总结，偶尔会有读书分享，我会陆续更新Java前端、后台、数据库、项目案例等相关知识点总结，感谢你的阅读和关注，希望我的博客能帮助到更多的人，分享获取新知，大家一起进步!

吾等采石之人，应怀大教堂之心，愿我们奔赴在各自的热爱里…

一、什么是CAP

Consistency (一致性)：

一致性是指“all nodes see the same data at the same time”,即更新操作成功并返回客户端后，所有节点在同一时间的数据完全一致，这就是分布式的一致性。一致性的问题在并发系统中不可避免，对于客户端来说，一致性指的是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。

Availability (可用性):

可用性指“Reads and writes always succeed”，即服务一直可用，而且是正常响应时间。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。

Partition Tolerance (分区容错性):

分区容错性是说“the system continues to operate despite arbitrary message loss or failure of part of the system”，即分布式系统在遇到某节点或网络分区故障的时候，仍然能够对外提供满足一致性或可用性的服务。

It states, that though its desirable to have Consistency, High-Availability and Partition-tolerance in every system,
unfortunately no system can achieve all three at the same time.
在分布式系统的设计中，没有一种设计可以同时满足一致性，可用性，分区容错性 3个特性

二、业务场景

2.1 权衡取舍

分布式系统中，分区容错性必不可少，因为需要总是假设网络是不可靠的。

其实我们也只会对分布式系统谈分区容错性，单体系统不存在此概念

所以CAP 理论实际上是要在可用性和一致性之间做权衡。

可用性和一致性往往是冲突的，很难使它们同时满足。在多个节点之间进行数据同步时

● CP：为了保证一致性，不能访问未同步完成的节点，也就失去了部分可用性；
● AP：为了保证可用性，允许读取所有节点的数据，但是数据可能不一致。

2.2 AP应用案例

举例：比如分布式系统中的订单系统和库存系统一般是两套系统，正常是新建订单后调用库存系统再减少库存，再返回给用户，但是这样执行流程太长，用户可能等待时间，所以一般用户下单后我们采用异步扣除库存【解耦】，放弃了数据的高一致性，保障了用户的使用流畅性

继续分析：如果库存系统挂掉，订单系统也是可以正常下单的，不会影响用户体验

如果最后数据不一致怎么解决：我们可以通过日志的形式去记录对应的订单信息，同样会有专门的运营人员对数据，如果数据不一致，我们可以通过人工补偿等方法实现最终一致性

相同举例：比如用户抢购的应用场景，可能前几秒你浏览商品的时候页面提示是有库存的，当你选择完商品准备下单的时候，系统提示你下单失败，商品已售完。这其实就是先在 A（可用性）方面保证系统可以正常的服务，然后在数据的一致性方面做了些牺牲，虽然会影响一些用户体验，但也不至于造成用户购物流程的严重阻塞。

2.3 CP应用案例

举例: 比如我们在涉及到银行金钱相关系统注册验证，转账等等，可能会发现等待时间较长，这里我们就要保证数据的高度一致性，用户可以适当等待也不应该照成系统数据错误。