一、分布式系统的三个指标
- C：数据一致性(consistency)
- 所有节点拥有数据的最新版本(强一致性)
- A：可用性(availability)
- 数据具备高可用性
- P：分区容错性(partition-tolerance)
- 容忍网络出现分区，分区之间网络不可达，即允许发送的信息可能不可达
二、Partition tolerance
任何网络都是不可能始终可达，一定会出现通信失败的情况，这时通信双方在网络上像被割裂开来了，形成不同分区。
我们必须允许通信失败的情况，做到这种分区情况的容错性，因为这是无法避免的，所以三者之中必须有P，那么就是说C和A无法同时达到
三、Consistency
一致性是指系统内部所有节点数据和状态保持一致，你在系统中一个节点中写了数据，那么可以从其他节点读到该数据。
四、Availability
可用性是指系统中的节点应该始终能对外提供服务，保持可用。
五、Consistency 和 Availability 的矛盾
为什么C和A不能同时达到呢？就是因为通信可能会失败（即分区容错），无法达到百分之百通信成功。
如图所示，在理想情况下，client往G1写数据，然后G1立马向G2通信来同步数据，那么client之后去G2就能读到该数据，这时可以同时满足CAP了。
但是如果通信失败，那么在当前，G1和G2就不同步达不到一致性，而如果把G2剔除或禁止G2对外提供服务直到通信成功，那么此时对于外界来说，这个分布式系统还是一致的，但这时G2就没有可用性了。
通信失败是无法避免的，所以CAP只能最多实现其中两样，也就是C和A任选一样。
但这个只是说严格的C和A，也就是强一致性和完全可用性无法同时达到，但一致性其实是有不同级别的：
- 强一致性:每个节点的数据都是最新版本
- 弱一致性:容忍部分不是最新
- 最终一致性:放宽对时间的要求，在容忍的时间内达到一致性即可
互联网大部分应用其实只需要高可用性和最终一致性而已，失败之后重试直到成功，那么这样最终达到了一致性以及始终的可用性，但代价是中间存在一段时间的不一致性