在2000年的分布式计算原则研讨会(PODC)上，计算机科学家埃里克.布鲁尔针对分布式计算系统的一致性(Consistency)、可用性(Availability)、分区容错性(Partition-tolerant)提出了猜想。在2002年，他的猜想得到了来自麻省理工学院的两位教授Nancy Lynch 和 Seth Gilbert的证明，并被称为CAP定理。
CAP定理证实的是，在一个分布式计算系统中，不可能同时满足下面三个条件：
- 一致性(Consistency)
- 可用性(Availability)
- 分区容错性(Partition-tolerant)
在分布式系统中，一致性(Consistency)分为不同的类型。如果要求分布式系统的数据存储层，在更新数据后，在后续的访问中都能获取到，并且保证结果一致，则是强一致性；如果能够允许后续的部分或者全部访问不到，则是弱一致性；如果允许经过一段时间后，能够访问到更新的数据，并保持一致，则是最终一致性。CAP定理中所说的不可能满足的是强一致性。
可用性指的是在正常响应时间内，服务一直可用。在分布式系统中存在许多节点，每个节点都承担着相应的职责，如果其中某个节点出现故障，就有可能导致整个系统的瘫痪，所以保障系统的可用性是设计分布式系统必须要重点考虑的。对于一个具备可用性的分布式系统，每一个正常运行的节点都必须对请求做出响应。所以，通常我们都会通过停机时间来衡量一个系统的可用性。
| 可用性分类 | 可用水平 | 年可容忍停机时间 |
|---|---|---|
| 容错可用性 | 99.9999% | <1min |
| 极高可用性 | 99.999% | <5 min |
| 自恢复可用性 | 99.99% | <53 min |
| 高可用性 | 99.9% | <8.8h |
| 商品可用性 | 99% | <87.6h |
分区容错性是指，当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。好的分区容错性要求能够使应用虽然是一个分布式系统，而看上去却好像是在一个可以运转正常的整体。比如现在的分布式系统中有某一个或者几个机器宕掉了，其他剩下的机器还能够正常运转满足系统需求，或者是机器之间有网络异常，将分布式系统分隔未独立的几个部分，各个部分还能维持分布式系统的运作，这样就具有好的分区容错性。
