CAP原理
任何一个分布式系统，只能满足CAP三个中的两个
CAP分别是什么
Consistency 一致性
一致性
"all nodes see the same data at the same time"两个视角
客户端：多并发访问时更新过的数据如何获取；
服务端：如何复制分布到整个系统，保证数据最终一致性三种一致性策略
强一致性：对于关系型数据库，更新过的数据能立即被后续访问看到
弱一致性：能容忍后续部分或全部访问不到
最终一致性：如果经过一段时间后要求能访问到更新后的数据
CAP理论说不能同时满足的一致性指的是强一致性
Availability 可用性
"Reads and writes always succeed"，服务一直可用
每一个可用性的分布式系统，每一个非故障节点必须对每一个请求作出响应。
一般衡量一个系统的可用性通过停机时间来计算。
5个9：可用水平99.999%
Partition Tolerance 分区容错性
"the system continues to operate despite arbitrary message loss or failure of part of the system"，分布式系统在遇到某节点或者网络分区故障时，仍然能够对外提供满足一致性和可用性服务。
简单来说，就是在网络中断，消息丢失的情况下，系统依然能够正常工作。
CAP权衡
CA without P
- 不存在，网络分区是必然的，舍弃P意味着舍弃分布式系统
CP without A
一个分布式系统容许系统停机或者长时间无响应，舍弃A保C
一旦发生网络故障或者消息丢失，牺牲用户体验，等待所有数据全部一致后才可以访问
最典型的，分布式数据库。一致性是最基本最重要的条件
分布式存储系统Redis，HBase，分布式协调组件Zookeeper
AP without C
为了保证高可用，需要在用户访问时可以马上得到返回，每个节点只能用本地数据库提供服务，这样会导致全局数据的不一致性
大多数大型互联网应用，由于主机众多，部署分散，集群规模大，因此节点故障、网络故障是常态，需要保证可用性，牺牲一点强一致性，不会造成严重的用户流失
比如：淘宝的购物，12306的买票。这里牺牲的是强一致性
怎么取舍
没有定论，根据场景定夺，适合的才是最好的。
一般，涉及到钱的必须保证C，网络故障宁可停止服务，保证CA，舍弃P
其他场景普遍做法是选择AP，舍弃强一致性，退而求其次保证最终一致性
