分布式系統中，必然無法同時滿足一致性、可用性和分區容忍性。
分布式系統指一組電腦連成的網絡。
一致性（Consistency，簡稱C）指同一時刻全網數據完全一致，相當于軍訓隊伍整齊劃一，越整齊一致性就越高。
可用性（Availability，簡稱A）一部分節點更新數據后，分布式系統能基于最新數據響應用戶讀寫請求。排頭兵挪動后，沒跟上的隊伍走樣越小、排齊耗時越少，可用性就越高。
分區容忍性（Partition Tolerance，簡稱P）只有兩個可選參數：不容忍和容忍。
不容忍分區好比你一個人在word里打字，無需穿行網絡，一臺電腦全盤搞定；容忍分區就是分布式系統，至少有兩臺計算機聯機組成，比如你保存word文檔的瞬間，如果我的電腦沒和你交互，就讀不到你剛寫的文字。
CAP定理意思是：C、A、P三者最多得二。
具體來說：分布式系統必然容忍分區（P），所以一致性（C）與可用性（A）注定互斥。如果你想左擁右抱C和A，那就別指望分布式系統，只能用單機版的中心化方式（不容忍分區，無P）。
但是，分布式系統中C和A的不可兼得，與中文語境下魚和熊掌的不可兼得不同。CAP定理是說：一條隊伍永遠存在可能不齊的瞬間。這看著像句廢話，但只有理解這點，才能避免對CAP原理最習以為常的誤解：現在不齊，所以永遠無法整齊。
你不是教官腦中的提線木偶，不會根據教官意念自動排齊。排頭兵一個噴嚏把自己打出去半步，二號兵才能開始反應，跟出瞄齊，而他脖子位置的變化向三號兵發出指令：來，跟上。
最后才輪到你，怎么可能快？所有人的反應時間之外，還要加上挪步用時，于是耗時必然大于零。
映射到分布式系統：如果想要嚴格一致的數據，那分布式系統就沒法用了，因為你無法確保使用數據的瞬間，網絡中其他節點不會更新數據；如果你想用相對新的數據，那就得候著。
所以，分布式系統天生就慢。
這種慢，更像是遲鈍，原因很簡單：分布式系統范圍一大，節點間的通信耗時就長。
如果你想獲得可靠的最新信息，就得等所有節點匯集出最新數據，這樣能保住一致性、放棄可用性。可如果你說全網這么多節點，等到什么時候才能一致？CAP原理告訴你：別等了，你就放棄點一致性，先用著吧，否則你啥也用不了。
2000年加州大學伯克利分校計算機教授布魯爾提出了CAP的三選二猜想，兩年后被麻省理工學院的兩位教授基爾伯特和林奇證明。
他們的反證法讓證明過程出奇地簡單：
假設存在一個算法同時滿足一致性、可用性和分區容忍性，那么在兩個節點的網絡中，存儲的信息分為不相關的非空集合{G和G'}，假設G和G'間沒有通信，那么，一個節點讀的操作將無法訪問另一節點稍早前寫的結果。
類比一個你熟悉的場景：
媽媽和兒子一起把兩只蛋關進冰箱，媽媽回房看電視，兒子一餓之下把蛋全煮了扒光吃盡，此時爸爸在房里問媽媽：冰箱里還有多少蛋？
媽媽關上房門的剎那，本來共享的雞蛋余額數據就發生了分區。
如果媽媽追求嚴格一致性，那她應該跑去冰箱檢查余額后再答復爸爸，可媽媽追起劇來特別專注，所以直接回答：還有兩個。這個回復沒有基于準確的最新余額，但為了可用，放棄了一致。
可這并不影響爸爸第二天就去超市買蛋，因為不管零個蛋還是兩個蛋，都不夠全家吃。
所以，一致性并非不可放棄，只是需要權衡。放棄追求一致性，就能少打斷一次電視劇情，少跑一個來回所增加的便利，如果大于因為蛋數認定不一致帶來的不便，那不一致就不一致吧。
這是很簡單的取舍，但正如“去中心”常被人們誤解為“去掉所有中心”一樣，人們也常常誤讀CAP定理中“三者只能居其二”的含義：
CAP定理的確告訴我們：分布式系統中抓走可用性就意味著放手一致性，但并不說明用戶想要的一致性被沖進了馬桶，再也撈不回來。真實情況是，我們可以在短時間內追回些一致性，就像經過嚴格訓練的隊伍可以比普通隊伍用更短的時間排齊一樣。
很可惜，即使我們只用一剎那的時間就能追回先前所有的不一致，我們也沒有辦法追回這一剎那本身所產生的不一致，這是分布式系統命中注定的無奈。
但這只是CAP定理在理論上的陳辭，實際場景中我們需要關注的是如何在C、A之間權衡利弊，最終獲得最大的經濟收益。在這方面，銀行業貢獻給我們兩個案例：
版權申明：本內容來自于互聯網，屬第三方匯集推薦平臺。本文的版權歸原作者所有，文章言論不代表鏈門戶的觀點，鏈門戶不承擔任何法律責任。如有侵權請聯系QQ：3341927519進行反饋。
