CAP 定理，又称布鲁尔定理（Brewer’s Theorem），是分布式系统领域最核心的理论之一。它指出：在一个分布式系统中，一致性（Consistency）、可用性（Availability）、分区容错性（Partition tolerance）这三个要素最多只能同时实现两个，不可能三者兼得。
CAP 的三个维度
- C - 一致性 (Consistency)：
- 含义：所有节点在同一时间看到的数据完全一致。
- 表现：对某个节点写入数据后，后续从任何节点读取该数据，都必须返回刚刚写入的最新的值（或报错），而不是旧数据。
- A - 可用性 (Availability)：
- 含义：系统提供的服务必须一直处于可用状态。
- 表现：每一个非故障节点收到的请求都必须在合理的时间内给出响应（非错误响应），无论数据是否是最新的。
- P - 分区容错性 (Partition tolerance)：
- 含义：当系统内部出现网络分区（即节点之间通信丢失，但节点自身仍在运行）时，系统仍能继续工作。
- 表现：分布式系统必须能够容忍网络故障。
为什么只能“三选二”？
在分布式系统中，P（分区容错性）通常是必须保证的，因为网络故障在分布式环境下是不可避免的。因此，架构师通常需要在 CP 和 AP 之间做出权衡：
CP (Consistency + Partition tolerance)
- 策略：为了保证数据强一致，在发生网络分区时，系统会拒绝服务或等待同步。
- 场景：强一致性系统在网络异常时会选择停止服务（牺牲可用性 A）来确保数据不出错。
- 典型例子：Zookeeper、Etcd、大多数关系型数据库的强一致模式。
AP (Availability + Partition tolerance)
- 策略：为了保证高可用，即使发生网络分区，每个节点依然响应请求，但这可能导致不同节点返回的数据不一致。
- 场景：对实时性要求高、但对数据短时间不一致容忍度高的系统。
- 典型例子：Cassandra、DynamoDB、Redis（某些配置下）。
CA (Consistency + Availability)
- 策略：同时保证一致性和可用性。
- 现实情况：这在分布式系统中几乎是不存在的，因为放弃了 P 意味着系统不能有网络分区。这通常只存在于单机数据库或极其理想的局域网环境中。
总结
CAP 定理提供了一个理论边界：如果你追求强一致性（C），那么在网络不稳定的极端情况下（P），你必须接受系统可能暂时不可用（牺牲 A）。