title: 分布式系统架构常识：CAP理论
date: 2025-10-29 17:30:25
category: 架构
tags: 分布式技术

CAP理论的核心概念

2000年7月，加州大学伯克利分校的Eric Brewer教授在ACM PODC会议上首次提出CAP猜想。两年后，麻省理工学院的Seth Gilbert和Nancy
Lynch从理论上证明了这一猜想，从此CAP理论正式成为分布式计算领域公认的基础理论。

CAP理论由三个核心特性组成，在分布式系统中这三个特性无法同时满足，只能选择其中两个。

一致性（Consistency）

所有节点在同一时刻看到的数据完全相同

确保分布式集群中的所有节点在同一时间点保持数据同步，即所有节点实时拥有相同的数据视图。

可用性（Availability）

读写操作始终能够成功完成

保证服务持续可用，即使集群中部分节点发生故障，整个系统仍然能够正常响应客户端的读写请求。

分区容错性（Partition Tolerance）

系统在出现网络分区或消息丢失时仍能继续运行

从实际效果来看，分区相当于对通信时限的要求。如果系统无法在时限内达成数据一致性，就意味着发生了分区情况，此时必须在C和A之间做出权衡选择。

CAP特性的权衡策略

1、选择CA，放弃P

如果要避免分区容错性问题，可以将所有数据（特别是与事务相关的）集中存储在一台机器上。虽然不能100%保证系统不出故障，但可以避免分区带来的复杂性。这种选择会严重限制系统的扩展能力。

作为分布式系统，放弃分区容错性相当于放弃了分布式的核心价值。一旦并发量增加，单机服务根本无法承受压力。

像很多银行核心系统，确实选择了放弃P，采用大型机+Oracle数据库来保证服务可用性。

2、选择CP，放弃A

与放弃分区容错性相反的是放弃可用性。当发生分区容错故障时，受影响的服务需要等待恢复，在此期间系统无法对外提供服务。

在分布式系统中，分区故障很常见。如果因为部分服务不可用导致整个系统不可用，这就不是一个良好的分布式系统设计。

3、选择AP，放弃C

这里所说的放弃一致性，不是完全放弃数据一致性，而是放弃强一致性要求。即不要求数据的实时一致性，而是保证数据的最终一致性。

以电商购物为例，对于仅剩一件库存的商品，如果同时收到两个订单，较晚的订单会被告知库存不足。

通常情况下，大多数分布式服务系统都采用这种方案，优先保证可用性和分区容错性，在出现分区问题时先保证服务可用，然后通过补偿机制实现数据的最终一致性。