cap的证明

C: Consistency 一致性

A: Availability 可用性

P:Partition Tolerance分区容错性

CAP理论的核心是：一个分布式系统不可能同时很好的满足一致性，可用性和分区容错性这三个需求，最多只能同时较好的满足两个。

作为一个分布式系统，它和单机系统的最大区别，就在于网络。

c 一致性 a 可用性 p 分区容错性

分区容错是分布式的基础。证明下c 和 a能不能同时满足
网络出故障的情况下。c1和c2交互不了数据。此时有请求进来c1修改了一条数据，如果要满足c一致性，就不能给用户返回数据，因为此时c1c2的数据不同。那就需要用户等待响应，等c1c2交互数据保持一致以后i，才能返回给用户。但是此时可用性a就没有保证了（用户那里持续等待响应）。
如果要满足a可用性，那么用户请求c1，直接返回修改过的数据。但是此时，c1c2由于网络故障没有互通，c1c2的数据就不一致，不能满足c一致性。
由此证明，cap在必须满足p的情况下，只能从a 和c中间取舍一个。

cap.png

CAP的定义

1、C: Consistency 一致性

对于一致性，可以分为从客户端和服务端两个不同的视角。从客户端来看，一致性主要指的是多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。一致性是因为有并发读写才有的问题，因此在理解一致性的问题时，一定要注意结合考虑并发读写的场景。

从客户端角度，多进程并发访问时，更新过的数据在不同进程如何获取的不同策略，决定了不同的一致性。对于关系型数据库，要求更新过的数据能被后续的访问都能看到，这是强一致性。如果能容忍后续的部分或者全部访问不到，则是弱一致性。如果经过一段时间后要求能访问到更新后的数据，则是最终一致性。

2、A: Availability 可用性

对于一个可用性的分布式系统，每一个非故障的节点必须对每一个请求作出响应。也就是，该系统使用的任何算法必须最终终止。当同时要求分区容忍性时，这是一个很强的定义：即使是严重的网络错误，每个请求必须终止。

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。可用性通常情况下可用性和分布式数据冗余，负载均衡等有着很大的关联。

3、P:Partition Tolerance分区容错性

分区容错性和扩展性紧密相关。在分布式应用中，可能因为一些分布式的原因导致系统无法正常运转。好的分区容错性要求能够使应用虽然是一个分布式系统，而看上去却好像是在一个可以运转正常的整体。比如现在的分布式系统中有某一个或者几个机器宕掉了，其他剩下的机器还能够正常运转满足系统需求，或者是机器之间有网络异常，将分布式系统分隔未独立的几个部分，各个部分还能维持分布式系统的运作，这样就具有好的分区容错性。