上一篇梳理一下 CAP定理：https://blog.csdn.net/Soinice/article/details/96782876
著名的CAP理論指出，一個分佈式系統不可能同時滿足C（一致性）、A（可用性）、和P（分區容錯性）。由於分區容錯性P在分佈式系統中必須要保證的，因此我們只能在A和C之間進行權衡。
因此：
Zookeeper保證的是CP，
Eureka則是AP。
但是對CAP/AP/CP很不理解，於是查閱資料，做一個簡單的瞭解。
Zoopkeeper保證CP
當向註冊中心查詢服務列表時，我們可以容忍註冊中心返回的是幾分鐘以前的註冊信息，但是不能接受服務直接down掉不可用。也就是說，服務註冊功能對可用性的要求要高於一致性。但是zk會出現這樣的一種情況，當master節點因網路故障與其他節點失去聯繫時，剩餘的節點會重新進行leader選舉。問題在於，選舉leader的時間太長，30~120s，且選舉期間整個zk集羣是都是不可用的，這就導致在選舉期間註冊服務癱瘓，在雲部署的環境下，因網絡問題使得zk集羣失去master節點是較大概率會發生的事，雖然服務能夠最終恢復，但是漫長的選舉時間導致的註冊長期不可用是不能容忍的。
Eureka保證AP
Eureka看明白了這一點，因此在設計時就優先保證可用性。Eureka各個節點都是平等的，幾個節點掛掉不影響正常節點的工作，剩餘的節點依然可以提供註冊和查詢服務。而Eureka的客戶端在向某個Eureka註冊時如果發現連接失敗，則會自動切換至其他的節點，只要有一臺Eureka還在，就能保證註冊服務可用（保證可用性），只不過查到的信息可能不是最新的（不保證一致性）。除此之外，Eureka還有一種自我保護機制，如果在15分鐘內超過85%的節點都沒有正常的心跳，那麼Eureka就認爲客戶端與註冊中心出現了網絡故障，此時會出現以下幾種情況：
1.Eureka不再從註冊列表中移除因爲長時間沒有收到心跳而應該過期的服務
2.Eureka仍然能夠接受新服務的註冊和查詢請求，但是不會被同步到其它節點上（即保證當前節點依然可用）
3.當前網絡穩定時，當前實例新的註冊信息會被同步到其它節點中
因此，Eureka可以很好的應對因網絡故障導致節點失去聯繫的情況，而不會像zookeeper那樣使整個註冊服務癱瘓。
Eureka服務治理機制與Dubbo服務治理機制的比較
Eureka支持健康檢查，自我保護等。
Zookeeper爲CP設計，Eureka爲AP設計。
作爲服務發現產品，可用性優先級較高，一致性的特點並不重要，寧可返回錯誤的數據，也比不反回結果要好得多。
服務列表變更Zookeeper服務端會有通知，Eureka則通過長輪詢來實現，Eureka未來會實現watch機制。
取與舍
CAP理論提出就是針對分佈式數據庫環境的，所以，P這個屬性是必須具備的。
P就是在分佈式環境中，由於網絡的問題可能導致某個節點和其它節點失去聯繫，這時候就形成了P(partition)，也就是由於網絡問題，將系統的成員隔離成了2個區域，互相無法知道對方的狀態，這在分佈式環境下是非常常見的。
因爲P是必須的，那麼我們需要選擇的就是A和C。
大家知道，在分佈式環境下，爲了保證系統可用性，通常都採取了複製的方式，避免一個節點損壞，導致系統不可用。那麼就出現了每個節點上的數據出現了很多個副本的情況，而數據從一個節點複製到另外的節點時需要時間和要求網絡暢通的，所以，當P發生時，也就是無法向某個節點複製數據時，這時候你有兩個選擇：
選擇可用性 A(Availability)，此時，那個失去聯繫的節點依然可以向系統提供服務，不過它的數據就不能保證是同步的了（失去了C屬性）。
選擇一致性C(Consistency)，爲了保證數據庫的一致性，我們必須等待失去聯繫的節點恢復過來，在這個過程中，那個節點是不允許對外提供服務的，這時候系統處於不可用狀態(失去了A屬性)。
最常見的例子是讀寫分離，某個節點負責寫入數據，然後將數據同步到其它節點，其它節點提供讀取的服務，當兩個節點出現通信問題時，你就面臨着選擇A（繼續提供服務，但是數據不保證準確），C（用戶處於等待狀態，一直等到數據同步完成）。
文章參考：
https://blog.csdn.net/zhumengguang/article/details/80156792
https://blog.csdn.net/u013058742/article/details/83541905