什么是CAP理论？

欢迎大家来到IT世界,在知识的湖畔探索吧!

CAP 定理（CAP theorem）又被称作布鲁尔定理（Brewer’s theorem），是加州大学伯克利分校的计算机科学家埃里克·布鲁尔（Eric Brewer）在2000 年的 ACM PODC 上提出的一个猜想。2002 年，麻省理工学院的赛斯·吉尔伯特（Seth Gilbert）和南希·林奇（Nancy Lynch）发表了布鲁尔猜想的证明，使之成为分布式计算领域公认的一个定理。

对此定理的解释有很多，我们挑选Robert Greiner的文章作为参考，看看他是怎么理解的：

In a distributed system (a collection of interconnected nodes that share data.), you can only have two out of the following three guarantees across a write/read pair: Consistency, Availability, and Partition Tolerance – one of them must be sacrificed.

简单翻译一下，即：

在一个分布式系统（指互相连接并共享数据的节点的集合）中，当涉及读写操作时，只能保证一致性（Consistence）、可用性（Availability）、分区容错性（Partition Tolerance）三者中的两个，另外一个必须被牺牲。

这里面诠释了CAP理论适用的场景，即在一个互相连接并共享数据的节点的集合中。如果是在单机环境中，或集群环境中的各节点不共享数据，则不符合CAP理论的场景。

虽然 CAP 理论定义是三个要素中只能取两个，但放到分布式环境下来思考，我们会发现必须选择 P（分区容忍）要素，因为网络本身无法做到 100% 可靠，有可能出故障，所以分区是一个必然的现象。如果我们选择了 CA 而放弃了 P，那么当发生分区现象时，为了保证 C，系统需要禁止写入，当有写入请求时，系统返回 error（例如，当前系统不允许写入），这又和 A 冲突了，因为 A 要求返回 no error 和 no timeout。因此，分布式系统理论上不可能选择 CA 架构，只能选择 CP 或者 AP 架构。

下面我们用两个例子来解释下CP架构和AP架构

1、CP架构

如下图，当node1发生异常时，node1的i的值为1，而因为node1发生了异常，导致node1和node2之间的复制通道断开，node2中i的值还为2，为了保证数据一致性，即使node2还是正常的，可以访问的，当client客户端调用node2时，node2还是得返回error。这种情况下，在node1发生异常时(Partition Tolerance)，系统保证了数据一致性（Consistence），而违背了可用性（Availability）。

2、AP架构

如下图，当node1发生异常时，node1的i的值为1，而因为node1发生了异常，导致node1和node2之间的复制通道断开，node2中i的值还为2，为了保证可用性，即使node2未达到一致性，当client客户端调用node2时，node2还是会返回2。这种情况下，在node1发生异常时(Partition Tolerance)，系统保证了可用性（Availability），而违背了数据一致性（Consistence）。注意：这里 N2 节点返回 2，虽然不是一个“正确”的结果，但是一个“合理”的结果，因为2是旧的数据，并不是一个错乱的值，只是不是最新的数据而已。

CAP理论在理解上还有如下要注意的点：

1、CAP关注的粒度是数据，而不是整个系统。

2、CAP理论是忽略网络延迟的，这就意味着，CAP 理论中的 C 在实践中是不可能完美实现的，在数据复制的过程中，节点 A 和节点 B 的数据并不一致。

3、正常运行情况下，不存在 CP 和 AP 的选择，可以同时满足CA。CAP 理论告诉我们分布式系统只能选择CP 或者 AP，但其实这里的前提是系统发生了“分区”现象。如果系统没有发生分区现象，也就是说 P 不存在的时候（节点间的网络连接一切正常），我们没有必要放弃 C 或者 A，应该 C 和 A 都可以保证，这就要求架构设计的时候既要考虑分区发生时选择 CP 还是 AP，也要考虑分区没有发生时如何保证 CA。

4、CAP理论适用场景方面，分布式系统有很多类型，有异构的，比如节点之间是上下游依赖的关系，有同构的，比如分区/分片型的、副本型的（主从、多主）。CAP定理的适用场景是副本型的这种。

5、CAP理论中一致性的概念，从强到弱，线性一致性、顺序一致性、因果一致性、单调一致性、最终一致性，CAP中的一致性应该是指线性一致性。

6、CAP与ACID的区别。ACID 中的 A（Atomicity）和 CAP 中的 A（Availability）意义完全不同，而 ACID 中的 C 和 CAP 中的 C 名称虽然都是一致性，但含义也完全不一样。ACID 中的 C 是指数据库的数据完整性，而 CAP 中的 C 是指分布式节点中的数据一致性。ACID 的应用场景是数据库事务，CAP 关注的是分布式系统数据读写。

7、CAP中的可用性，与我们常说的高可用的区别。比如HBase、MongoDB属于CP架构，Cassandra、CounchDB属于AP系统，能说后者比前者更高可用么？应该不是。CAP中的可用性，是指在某一次读操作中，即便发现不一致，也要返回响应，即在合理时间内返回合理响应。我们常说的高可用，是指部分实例挂了，能自动摘除，并由其它实例继续提供服务，关键是冗余。

8、哪些情况属于网络分区。网络故障造成的分区，属于。节点应用出现问题导致超时，属于。节点宕机或硬件故障，不属于。