CAP定理（也称为 Brewer's theorem）是由计算机科学家 Eric Brewer 于 2000 年提出的一个关于分布式系统的理论。CAP 定理表明，对于一个分布式数据存储系统，它不能同时满足以下三个目标：

1. 一致性（Consistency）：
   • 一致性意味着在分布式系统中的所有节点在同一时间内返回相同的数据。如果一个节点在修改数据后，其他节点在短时间内就能看到这个修改，就保证了一致性。
2. 可用性（Availability）：
   • 可用性指的是每个请求都会得到响应，无论请求是否成功，系统总是能够响应请求。这意味着系统能够保证服务的可用性，即使部分节点不可用。
3. 分区容忍性（Partition Tolerance）：
   • 分区容忍性指的是系统能够在网络分区发生时仍然继续工作。网络分区可能会导致不同的节点之间无法通信，分区容忍性确保了即使发生分区，系统仍然可以保持一定的功能和数据一致性。

CAP定理的核心观点：

CAP 定理指出，在一个分布式系统中，最多只能满足以下 两项，而不是三项：

• 一致性 + 可用性：如果系统在网络分区发生时仍能保证一致性和可用性，那么网络分区无法被容忍。
• 一致性 + 分区容忍性：如果系统在分区发生时能保证一致性，并且还能恢复到一致状态，那么它就放弃了可用性。
• 可用性 + 分区容忍性：在分区发生时，系统会放弃一致性，优先保证系统的可用性，可能会出现不同节点的数据不一致，但最终会通过其他机制（如异步复制）恢复一致性。

CAP定理的选择：

由于分布式系统往往无法避免网络故障或分区，因此 分区容忍性 是必须满足的。因此，在设计分布式系统时，通常需要在 一致性 和 可用性 之间进行权衡。

CAP定理的实际应用：

• CP系统：在网络分区发生时，系统会牺牲可用性，保证数据一致性。例如，数据库系统中的 HBase 和 Zookeeper。
• AP系统：在网络分区发生时，系统会保证可用性，但牺牲一致性。例如，Cassandra 和 Couchbase。
• CA系统：不常见，因为分布式系统通常都会面临分区问题（网络分区），因此分区容忍性通常是必需的。

现代系统的应对策略：

现代分布式系统通常采用 最终一致性 的策略，即在保证分区容忍性的情况下，暂时允许数据不一致，并在系统恢复正常后，采用异步机制来保证数据最终一致。这种方法适用于大多数互联网应用。