文章目录
1、关系型数据库 （mySql，oracle，SqlServer 等）遵循的原则是 ACID 原则
- A： 原子性
- C： 一致性
- I： 独立性
- D： 持久性。
2、非关系型数据库（ redis，mogoDB等 ），又称 NoSQL ，遵循的原则是 CAP原则 ，
- C： 强一致性
- A： 可用性
- P： 分区容错性
3、在 分布式 领域有一个很著名的 CAP定理
CAP 是 Consistency 、Availablity 和 Partition Tolerance 的缩写 。
- C：数据一致性
- A：服务可用性
- P：分区容错性（服务对网络分区故障的容错性）
CAP 理论 在分布式存储系统中，最多只能实现以上两点。
由于当前网络延迟故障会导致丢包等问题，所以我们 分区容错性 是必须实现的，也就是NoSqL数据库 分区容错性（P） 肯定要有。 我们只能在 一致性（C） 和 可用性（A） 中进行选择，没有哪个 NoSQL 数据库 能同时保证三点。（==> AP 或者 CP ）
提出一个想法，当你面对双十一这种业务处理时，你是选择 CP 还是 AP 呢？
举个例子，淘宝系统在面对 “双十一” 的这种业务处理时，先保证可用性也就是AP原则（服务器不能瘫痪），还是必须保证数据一致（CP）， 服务器瘫痪，宕机都是次要的？
毫无疑问，肯定选择是AP，先保证 服务器的正常运行，再过了双十一高峰，再核对数据，保证数据一致性。
前面铺垫了那么多也就是想说下，Eureka 和 Zookeeper 就是 CAP定理中的实现，Eureka（保证AP），Zookeeper（保证CP）。
4、作为服务注册中心，Eureka 比 Zookeeper 好在哪里
4.1、Zookeeper 保证 CP
当向注册中心查询服务列表时，我们可以容忍注册中心返回的是几分钟以前的注册信息，但不能接受服务直接 down 掉不可用。也就是说，==服务注册功能对 可用性（A） 的要求要高于 一致性（C） == 。但是 zk 会出现这样一种情况，当 master 节点因为网络故障与其他节点失去联系时，剩余节点会重新进行leader选举。问题在于，选举 leader 的时间太长，30 ~ 120s, 且选举期间整个zk集群都是不可用的，这就导致在选举期间注册服务瘫痪。在云部署的环境下，因网络问题使得zk集群失去master节点是较大概率会发生的事，虽然服务能够最终恢复，但是漫长的选举时间导致的注册长期不可用是不能容忍的。
4.2、Eureka 保证 AP
Eureka看明白了这一点，因此在设计时就优先保证可用性。Eureka 各个节点都是平等的，几个节点挂掉不会影响正常节点的工作，剩余的节点依然可以提供注册和查询服务。而Eureka 的客户端在向某个 Eureka 注册或时如果发现连接失败，则会自动切换至其它节点，只要有一台 Eureka 还在，就能保证注册服务可用(保证可用性)，只不过查到的信息可能不是最新的(不保证强一致性)。
除此之外，Eureka 还有一种自我保护机制，如果在15分钟内超过85%的节点都没有正常的心跳，那么 Eureka 就认为客户端与注册中心出现了网络故障，此时会出现以下几种情况：
- Eureka 不再从注册列表中移除因为长时间没收到心跳而应该过期的服务 。
- Eureka 仍然能够接受新服务的注册和查询请求，但是不会被同步到其它节点上(即保证当前节点依然可用) 。
- 当网络稳定时，当前实例新的注册信息会被同步到其它节点中 。
因此， Eureka 可以很好的应对因网络故障导致部分节点失去联系的情况，而不会像 zookeeper那样使整个注册服务瘫痪。