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）：所有节点访问同一份最新数据副本。
2. 可用性（Availability）：每次请求都能获取到非错的响应（不能保证获取的数据为最新数据）。
3. 分区容错性（Partition tolerance）：以实际效果而言，分区相当于对通信的时限要求。系统如果不能在时限内达成数据一致性，就意味着发生了分区的情况，必须就当前操作在C和A之间做出选择。

一致性

在分布式环境中，一致性是指数据在多个副本中保持一致。
假设有五个节点：[n1-n5]，当n1的数据更新，[n2-n4]的数据也要更新，使得用户在访问任意一个节点时，得到的数据都是相同的。

一致性的分类

一致性是指从系统外部读取系统内部的数据时，在一定约束条件下相同，即数据变动在系统内部各节点应该是同步的。根据一致性的强弱程度不同，可以将一致性的分类为如下几种：

1. 强一致性（strong consistency）：任何时刻，任何用户都能读取到最近一次成功更新的数据。
2. 单调一致性（monotonic consistency）：任何时刻，任何用户一旦读到某个数据在某次更新后的值，那么就不会再读到比这个值更旧的值。即：可获取的数据顺序必是单调递增的。
3. 会话一致性（session consistency）：任何用户在某次会话中，一旦读到某个数据在某次更新后的值，那么在本次会话中就不会再读到比这值更旧的值。
4. 最终一致性（eventual consistency）：用户只能读到某次更新后的值，但系统保证数据将最终达到完全一致的状态，只是所需时间不能保障。
5. 弱一致性（weak consistency）：用户无法在确定时间内读到最新更新的值

可用性

系统提供的服务一直处于可用状态，对于用户的请求总能在有效的时间内返回结果。
假设有五个节点：[n1-n5]，当n1宕机，还可从[n2-n4]获取到数据。

分区容错性

假设有五个节点：[n1-n5]，出现网络分区被分成两组：[n1-n2]和[n3-n5]，当n1处理客户端请求时，需要在C（一致性）和A（可用性）之间进行取舍。
保证 C(一致性)：需要将消息复制给所有节点，但是网络分区导致消息无法复制给[n3-n5]，故只能返回“处理失败”的结果给客户端，这是的系统是处于“不可用”的，所以丧失了A（可用性）。
保证A(可用性)：只需要将消息复制到n2，不用复制到[n3-n5]，这样就违背了C（一致性）。
如果不支持P（即不容忍网络分区），也就是假设系统不会出现网络分区，即网络永远可达（从理论上讲不存在）
总而言之：数据存在的节点越多，分区容忍性越高。

用CAP分析Zookeeper

Zookeeper 在选举期间 ，整个集群都是不可用的状态，导致注册服务在选举期间瘫痪。虽然最终服务会恢复，但是漫长的选举时间（30～120s）导致注册服务长时间不可用是不能容忍的，因此，Zookeeper满足的是CP。