这期内容当中小编将会给大家带来有关怎么理解分布式CAP原理，文章内容丰富且以专业的角度为大家分析和叙述，阅读完这篇文章希望大家可以有所收获。

    分布式系统的最大难点，就是各个节点的状态如何同步。CAP 定理是这方面的基本定理，也是理解分布式系统的起点。

    在理论计算机科学中，CAP定理（CAP theorem），又被称作布鲁尔定理（Brewer's theorem，这是因为在1998年，加州大学的计算机科学家 Eric Brewer 提出），它指出对于一个分布式计算系统来讲，不可能同时满足以下三点：

• 一致性（Consistency），等同于所有节点访问同一份最新的数据副本

• 可用性（Availability），每次请求都能获取到非错的响应--但是不保证获取到的数据是最新数据

• 分区容错性（Partition tolerance），以实际效果而言，分区相当于对通讯的时限要求。系统如果不能在时限内达成数据一致性，就意味着发生了分区的情况，必须就当前操作在C和A之间做选择。

根据定理，分布式系统只能满足三项中的两项而不可能满足全部三项：

分区容错（Partition Tolerance）

    大多数分布式系统都分布在多个子网络。每个子网络就叫做一个区（partition）。分区容错的意思是，区间通信可能失败。比如，一台服务器放在中国，另一台服务器放在美国，这就是两个区，它们之间可能无法通信。

上图中，G1 和 G2 是两台跨区的服务器。G1 向 G2 发送一条消息，G2 可能无法收到。系统设计的时候，必须考虑到这种情况。

一般来说，分区容错无法避免，因此可以认为 CAP 的 P 总是成立。CAP 定理告诉我们，剩下的 C 和 A 无法同时做到。

一致性（Consistency）

    一致性指的是 写之后的读操作必须返回该值。举个粟子：某条记录是v0，用户向G1发起一个写操作，将其改为v1，

接下来，用户的读操作的结果也是v1，这就叫一致性。

问题是，用户有可能向G2发起读操作，由于G2的值没有发生变化，因此返回的是v0。G1和G2读操作的结果不一致。

为了让 G2 也能变为 v1，就要在 G1 写操作的时候，让 G1 向 G2 发送一条消息，要求 G2 也改成 v1。

这样的话，用户向 G2 发起读操作，也能得到 v1。

可用性（Availability）

    可用性指的是只要用户给出请求，就必须给用户回应。

用户可以选择向 G1 或 G2 发起读操作。不管是哪台服务器，只要收到请求，就必须告诉用户，到底是 v0 还是 v1，否则就不满足可用性。

一致性和可用性的矛盾

一致性和可用性，为什么不可能同时成立？答案很简单，因为可能通信失败（即出现分区容错）。

如果保证 G2 的一致性，那么 G1 必须在写操作时，锁定 G2 的读操作和写操作。只有数据同步后，才能重新开放读写。锁定期间，G2 不能读写，即丧失了可用性。

如果保证 G2 的可用性，那么势必不能锁定 G2，所以一致性不成立。

综上所述，G2 无法同时做到一致性和可用性。系统设计时只能选择一个目标。如果追求一致性，那么无法保证所有节点的可用性；如果追求所有节点的可用性，那就没法做到一致性。

上述就是小编为大家分享的怎么理解分布式CAP原理了，如果刚好有类似的疑惑，不妨参照上述分析进行理解。如果想知道更多相关知识，欢迎关注天达云行业资讯频道。