## CAP理论 2000年7月，加州大学伯克利分校Eric Brewer教授提出了著名的CAP猜想。2年后，来自麻省理工学院的Seth Gilbert和Nancy Lynch从理论上证明了CAP，从此CAP定理成为了分布式计算领域公认的定理。 > CAP定理，又被叫作布鲁尔定理 CAP理论告诉我们：一个分布式系统不可能同时满足一致性(**C:Consistency**)、可用性(**A:Availability**)、分区容错性(**P:Partition tolerance**)这三个基本需求，并且最多只能满足其中的两项 * 一致性：指更新操作成功并返回客户端完成后，所有节点在同一时间的数据完全一致 * 可用性：指用户在访问数据时可以得到及时的响应 * 分区容错性：指分布式系统在遇到某节点或网络分区故障的时候，仍然能够对外提供满足一致性和可用性的服务 > CAP 理论中是忽略网络延迟，也就是当事务提交时，从节点 A 复制到节点 B 没有延迟，但是在现实中这个是明显不可能的，所以总会有一定的时间是不一致  #### 一致性 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，可以将一致性级别分为如下几种： * 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。 * 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。也就是说，可　　获取的数据顺序必是单调递增的。 * 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　　 会话一致性是在单调一致性的基础上进一步放松约束，只保证单个用户单个会话内的单调性，在不同用户或同一用户不同会话间则没有保障。示例case：php的　　session概念。 * 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。 * 弱一致性（weak consistency）。用户无法在确定时间内读到最新更新的值。