什么是CAP定理？
Consistency一致性: 指数据的一致性，特指分布式系统中数据的一致性
Availability:可用性：指服务的高可用，特指分布式系统中服务的高可用，某个服务瘫痪不影响整个分布式系统的运行。
Partition tolerance:分区容错性： 指网络故障，特指分布式系统中，服务之间出现网络故障，整个分布式系统仍然保持可用性和一致性。
一句话概括CAP：在分布式网络中，网络故障，服务瘫痪，整个系统的数据仍然保持一致性
举例分析CAP
张三有100元优惠券，在淘宝买了件衣服。
1.怎么体现C数据一致性
整个分布式系统中，一致性体现这笔订单，必须扣除100元优惠券
2.怎么体现A可用性
整个分布式系统中，可用性体现在张三下订单的时候，如果订单服务或卡卷服务瘫痪了，这时不能影响张三下订单。（一般做法是采用集群部署）
3.怎么体现P分区容错性？
整个分布式系统中，分区容错体现在张三下订单的时候，突然订单服务和卡卷服务之间的网络断开了，但是不能影响张三下订单。
什么是分区？
在断网的情况下，2台系统变成了独立的网络，各自访问不了，这种情况就是分区。
在分区的情况下，如果保持数据一致性和系统可靠性那就是分区容错性了。
CAP技术实现，所面临的困惑
在分布式系统中，出现网络故障P，服务瘫痪A，整个系统的数据仍然保持一致性C，这是无法做到的。
相对可以实现的方案是CAP中任选其二
CP,AP和CA
当服务之间出现网络故障的情况下：
1.如何保证订单服务和卡卷服务高可用？
2.下一笔订单同时扣除100元优惠券如何实现？
分布式系统的解决方案:
1.CAP牺牲一致性(AP)：保证高可用（保证订单服务可以正常访问，保证卡卷服务可以正常访问，是牺牲了数据的一致性）张三下单成功，但是不扣除100优惠券，这种情况下，张三下订单成功后再去查看100元，居然还存在。
如果解决？
一般的做法是，当网络恢复正常的情况下，订单服务重试请求卡卷服务，再扣除100元优惠卷。
2.CAP牺牲可靠性(CP)：保证数据一致性，即为了保证数据的强一致性，当张三来下订单的时候，提示“系统维护中”。等服务间的网络恢复正常后，张三再来下订单。
如果不要P，只要CA可行吗？
不要p分区，即不允许网络出现故障，这是不可能实现的。
所以在分布式系统中，是不存在CA
即使单体系统也做不到CA，因为单体系统也会出现单一故障。
zooKeeper和eureka的CAP原理
zooKeeper是CP的原理：即保证了数据一致性，牺牲了可以用性
eureka是AP的原理：即保证了可用性，却牺牲了一致性
感谢观看！
