CAP模型，原理及取舍

CAP模型，原理及取舍

构建服务集群，通常是为了解决单点故障服务直接不可用的问题。那么集群的宗旨就是避免在单点故障时，整个服务不可用。

cap理论：

cap理论中包括三个分布式服务的属性：

可用性：保证服务可用。

数据强一致性：保证在任何提供服务的时间点上，分布式系统中所有节点的数据完全一致。

分区容错性：保证当分布式系统中有任一或几个结点发生故障或数据不一致时，整个系统仍能正常提供服务。

注意：”数据的强一致性“与”数据的最终一致性“是不同的概念。

由上述概念可知：

这三个属性不可能同时满足，因此，一般的分布式服务中，会优先选择两项进行满足。

1.舍弃数据强一致性：

在这种情况下，需要确认当数据缺失时，不会影响服务本身的正确性。举例：

Eureka集群：

有三台Eureka服务发现，其中一台发现了三个，一台发现了四个，一台发现了五个，那么当消费者选取其中任意一台服务发现的时候，都可以获得服务，因此Eureka服务的数据不一致并不影响其正常提供发现服务。

2.舍弃高可用：

在选择了分区容错和数据强一致性的前提下，当发生数据不一致时，整个分布式服务将会阻塞，停止向外部提供服务，并且进行数据的同步，在数据完全同步之前不会回复对外的服务，在这种情况下，需要保证数据的完全一致性，因此一定会破坏高可用性。