CAP概述
CAP理論：一個分佈式系統最多隻能同時滿足一致性（Consistency）、可用性（Availability）和分區容錯性（Partition tolerance）這三項中的兩項。
CAP定義
C（一致性）
一致性指“all nodes see the same data at the same time”，即更新操作成功並返回客戶端完成後，所有節點在同一時間的數據完全一致，所以，一致性，說的就是數據一致性（CAP中的一致性指的是強一致性）。
三種一致性策略
對於關係型數據庫，要求更新過的數據能被後續的訪問都能看到，這是強一致性。
如果能容忍後續的部分或者全部訪問不到，則是弱一致性。
如果經過一段時間後要求能訪問到更新後的數據，則是最終一致性。
A（可用性）
服務一直可用，而且是正常響應時間。
P（分區容錯性）
分佈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權衡
注意：C，A，P三者並不是平等的，對於一個分佈式系統來說。P是一個基本要求，CAP三者中，只能在CA兩者之間做權衡，並且要想盡辦法提升P。故不考慮CA沒有P的情況。
CP
如果一個分佈式系統不要求強的可用性，即容許系統停機或者長時間無響應的話，就可以在CAP三者中保障CP而捨棄A。
一個保證了CP而一個捨棄了A的分佈式系統，一旦發生網絡故障或者消息丟失等情況，就要犧牲用戶的體驗，等待所有數據全部一致了之後再讓用戶訪問系統。
如redis、Zookeeper等。
AP
要高可用並允許分區，則需放棄一致性。一旦網絡問題發生，節點之間可能會失去聯繫。爲了保證高可用，需要在用戶訪問時可以馬上得到返回，則每個節點只能用本地數據提供服務，而這樣會導致全局數據的不一致性。
如12306、電商系統等
但是，放棄了C，只是放棄了強一致性，系統仍會保證最終一致性。比如12306買票，你按照正常流程，付完款之後，過了一段時間，12306提示你出票失敗，這就是最終一致性的表現。
參考
http://www.hollischuang.com/archives/666