为什么说，CAP是分布式理论的基础？
分布式系统非常关注三个指标：
（1）数据一致性；
（2）系统可用性；
（3）节点连通性与扩展性；
这三个指标的关系如何，今天来聊一聊分布式理论的基础CAP。
什么是数据一致性？
数据“强一致性”，是希望系统只读到最新写入的数据，例如：通过单点串行化的方式，就能够达到这个效果。
关于session一致性，DB主从一致性，DB双主一致性，DB与Cache一致性，数据冗余一致性，消息时序一致性，分布式事务一致性，库存扣减一致性，都存在类似的一致性问题。
什么可用性？
如果系统每运行100个时间单位，会有1个时间单位无法提供服务，则说系统的可用性是99%。
可用性和可靠性是比较容易搞混的两个指标，以一台取款机为例：
（1）正确的输入，能够取到正确的钱，表示系统可靠；
（2）取款机7*24小时提供服务，表示系统可用；
保证系统高可用的方法是：
（1）冗余；
（2）故障自动转移；
什么是连通性与扩展性？
分布式系统，往往有多个节点，每个节点之间，都不是完全独立的，需要相互通信，当发生节点无法联通时，数据是否还能保持一致，系统要如何进行容错处理，是需要考虑的。
同时，连通性和扩展性紧密相关，想要加机器扩展性能，必须有良好的连通性。当一个节点脱离系统，系统就出现问题，往往意味着系统是无法扩展的。
什么是CAP定理？
CAP定理，是对上述分布式系统的三个特性，进行了归纳：
（1）一致性(Consistency)；
（2）可用性(Availability)；
（3）分区容忍性(Partition Tolerance)；
并且，定理指出，在系统实现时，这三者最多兼顾两点。
一致性，可用性，多节点扩展性三者只能取其二，既然加锁已经加上，常见的最佳工程架构实践是什么呢？
互联网，最常见的实践是这样的：
（1）节点连通性，多节点扩展性，连通性异常的处理必须保证，满足P；
（2）一致性C与可用性A一般二选一；
（3）选择一致性C，举例：传统单库水平切分，就是这类选型的典型；
（4）选择可用性A，举例：双主库同步高可用，就是这类选型的典型；
强一致很难怎么办？
单点串行化，虽然能保证“强一致”，但对系统的并发性能，以及高可用有较大影响，互联网的玩法，更多的是“最终一致性”，短期内未必读到最新的数据，但在一个可接受的时间窗口之后，能够读到最新的数据。
例如：数据库主从同步，从库上的数据，就是一个最终的一致。
总结
（1）CAP可以理解为一致性，可用性，联通与扩展性；
（2）CAP三者只能取其二；
（3）最常见的实践是AP+最终一致性；
除了CAP，如果想要系统性学习分布式理论，这里推荐一下孙玄的《万亿级企业分布式事务架构设计的全攻略》，3天的课程，免费。
课题：万亿级企业分布式事务架构设计的全攻略
讲师：孙玄
时间：12.8-12.10三天，20:00开始
费用：免费（原价499，现价9.8，学完全退）
名额：200名，先到先得
扫码占位，限200名额，请等待课程顾问通过
阅读原文，了解更多。