## CAP理論 2000年7月，加州大學伯克利分校Eric Brewer教授提出了著名的CAP猜想。2年后，來自麻省理工學院的Seth Gilbert和Nancy Lynch從理論上證明了CAP，從此CAP定理成為了分布式計算領域公認的定理。 > CAP定理，又被叫作布魯爾定理 CAP理論告訴我們：一個分布式系統不可能同時滿足一致性(**C:Consistency**)、可用性(**A:Availability**)、分區容錯性(**P:Partition tolerance**)這三個基本需求，并且最多只能滿足其中的兩項 * 一致性：指更新操作成功并返回客戶端完成后，所有節點在同一時間的數據完全一致 * 可用性：指用戶在訪問數據時可以得到及時的響應 * 分區容錯性：指分布式系統在遇到某節點或網絡分區故障的時候，仍然能夠對外提供滿足一致性和可用性的服務 > CAP 理論中是忽略網絡延遲，也就是當事務提交時，從節點 A 復制到節點 B 沒有延遲，但是在現實中這個是明顯不可能的，所以總會有一定的時間是不一致  #### 一致性 一致性是指從系統外部讀取系統內部的數據時，在一定約束條件下相同，即數據變動在系統內部各節點應該是同步的。根據一致性的強弱程度不同，可以將一致性級別分為如下幾種： * 強一致性（strong consistency）。任何時刻，任何用戶都能讀取到最近一次成功更新的數據。 * 單調一致性（monotonic consistency）。任何時刻，任何用戶一旦讀到某個數據在某次更新后的值，那么就不會再讀到比這個值更舊的值。也就是說，可　　獲取的數據順序必是單調遞增的。 * 會話一致性（session consistency）。任何用戶在某次會話中，一旦讀到某個數據在某次更新后的值，那么在本次會話中就不會再讀到比這值更舊的值　　 會話一致性是在單調一致性的基礎上進一步放松約束，只保證單個用戶單個會話內的單調性，在不同用戶或同一用戶不同會話間則沒有保障。示例case：php的　　session概念。 * 最終一致性（eventual consistency）。用戶只能讀到某次更新后的值，但系統保證數據將最終達到完全一致的狀態，只是所需時間不能保障。 * 弱一致性（weak consistency）。用戶無法在確定時間內讀到最新更新的值。