问题

什么是CAP理论？

答案

1. 核心概念

CAP理论是分布式系统的基础理论，由Eric Brewer在2000年提出。该理论指出，一个分布式系统不可能同时满足以下三个特性，最多只能同时满足其中两个：

  • C (Consistency) - 一致性：所有节点在同一时刻看到的数据是一致的
  • A (Availability) - 可用性：系统在任何时刻都能响应用户请求，不会出现响应超时或失败
  • P (Partition Tolerance) - 分区容错性：系统在网络分区（部分节点无法通信）的情况下仍能继续运行

2. 三个特性详解

一致性 (Consistency)

分布式系统中的所有节点在同一时刻读取到的数据必须是相同的。即当数据在某个节点更新后，其他节点立即能读取到最新的数据。

示例：在分布式数据库中，用户A在节点1更新了账户余额，用户B立即从节点2查询时应该能看到更新后的余额。

可用性 (Availability)

每个请求都能在有限时间内得到响应（成功或失败），系统不会出现无响应的情况。

示例：无论系统负载多高，用户的查询请求都能在规定时间内得到响应。

分区容错性 (Partition Tolerance)

当网络发生分区（部分节点间无法通信）时，系统仍能继续提供服务。

示例：机房之间的网络中断，但各机房内的服务仍能正常运行。

3. 为什么不能同时满足三者？

在分布式系统中，网络分区是客观存在的（网络故障无法完全避免），因此P是必选项。这样就只能在C和A之间做权衡：

CP系统（牺牲可用性）

  • 当发生网络分区时，为保证一致性，系统会拒绝服务或等待分区恢复
  • 适用场景：对数据一致性要求严格的系统
  • 典型案例：
    • Zookeeper：Leader选举期间整个集群不可用
    • HBase：Region Server故障时，该Region不可用
    • Redis Cluster：主节点故障时，该分片短暂不可用

AP系统（牺牲一致性）

  • 当发生网络分区时，为保证可用性，系统会继续提供服务，但可能返回旧数据
  • 适用场景：对可用性要求高，能容忍短暂数据不一致
  • 典型案例：
    • Eureka：各节点独立提供服务，允许短暂数据不一致
    • Cassandra：支持最终一致性模型
    • DynamoDB：优先保证可用性

CA系统（理论存在，实际不可行）

  • 只在单机或无网络分区的情况下存在
  • 分布式系统中网络分区无法避免，因此CA系统在分布式环境下不现实
  • 典型案例：传统的单机关系型数据库（MySQL单机版）

4. 实际应用中的权衡策略

实际系统往往不是绝对的CP或AP，而是在不同场景下做动态权衡：

金融系统（倾向CP） 

// 银行转账：强一致性要求
@Transactional(isolation = Isolation.SERIALIZABLE)
public void transfer(String from, String to, BigDecimal amount) {
    // 使用分布式锁保证一致性
    String lockKey = "transfer:" + from;
    if (redisLock.tryLock(lockKey, 10, TimeUnit.SECONDS)) {
        try {
            accountService.deduct(from, amount);
            accountService.add(to, amount);
        } finally {
            redisLock.unlock(lockKey);
        }
    } else {
        throw new ServiceUnavailableException("系统繁忙，请稍后再试");
    }
}

社交系统（倾向AP） 

// 微博点赞：可用性优先，允许短暂不一致
public void likeMicroBlog(String blogId, String userId) {
    // 异步更新，快速响应
    CompletableFuture.runAsync(() -> {
        redisTemplate.opsForSet().add("blog:like:" + blogId, userId);
        // 异步同步到数据库
        likeService.asyncSyncToDb(blogId, userId);
    });
}

5. CAP理论的实践建议

  1. 网络分区是必然的：优先保证P，在C和A之间权衡
  2. 按业务分层：核心业务选CP，边缘业务选AP
  3. 使用降级策略：正常情况保证CA，分区时降级为CP或AP
  4. 引入BASE理论：通过最终一致性平衡CAP矛盾

总结

  • CAP理论是分布式系统设计的理论基础，三者不可兼得
  • 实际应用中P是必选项，需在C和A之间权衡
  • 金融、库存等强一致性场景选择CP
  • 社交、推荐等高可用场景选择AP
  • 现代分布式系统通过BASE理论和最终一致性模型来平衡CAP矛盾