用了三年CAP理论，我才明白这些道理

CAP理论，是分布式系统中最基础、最重要的理论之一。

它由计算机科学家埃里克·布鲁尔，在2000年的ACM PODC会议上提出，所以也叫"布鲁尔定理"。CAP理论告诉我们，一个分布式系统，不可能同时满足以下三个特性：

C（Consistency）：一致性，所有节点，在同一时间，看到的数据是一致的。
A（Availability）：可用性，每个请求，都能在有限的时间内，得到响应。
P（Partition Tolerance）：分区容错性，当网络分区发生时，系统仍然能继续工作。

CAP理论说，这三个特性，最多只能同时满足两个，不可能三个都满足。所以，分布式系统，要么是CP系统，要么是AP系统，没有CAP系统。

我第一次接触CAP理论，是在三年前。那时候，我刚做分布式系统，觉得CAP理论很简单，不就是三选二嘛，记住就行了。但是，用了三年，做了很多分布式系统，踩了很多坑，我才慢慢明白，CAP理论，远不是三选二那么简单。它里面，有很多微妙的地方，有很多容易误解的地方，有很多需要在实践中才能体会的道理。

今天，我想分享一下，我用了三年CAP理论，才明白的一些道理。希望能给正在学习分布式系统，或者正在做分布式系统的朋友，一些参考和启发。

一、道理一：P不是可选的，是必须的

刚学CAP理论的时候，我以为，C、A、P三个，是平等的，可以任选两个。你可以选CA，可以选CP，可以选AP，看你的需求。

但是，做了三年分布式系统，我才明白：P不是可选的，是必须的。

为什么？因为，分布式系统，必然是分布式的，必然有多个节点，节点之间，必然通过网络通信。而网络，是不可靠的，必然会出现网络分区。网络分区，就是节点之间，网络不通了，分成了几个区域，区域之间，无法通信。

网络分区，是分布式系统中，必然会发生的事情。不管你的网络多么可靠，不管你用了多少冗余，网络分区，总有可能发生。网线可能被挖断，交换机可能故障，路由器可能宕机，机房可能断电，DDoS攻击可能导致网络拥塞。这些，都会导致网络分区。

所以，在分布式系统中，P（分区容错性），是必须的，是前提，不是可选的。你不能说，我选CA，不要P。因为，只要是分布式系统，就必然有网络分区的可能，你必须能容忍网络分区，否则，你的系统，就不是一个真正的分布式系统。

既然P是必须的，那么，CAP理论，实际上就变成了：在网络分区发生的时候，你只能在C和A之间选一个。要么选C（一致性），牺牲A（可用性）；要么选A（可用性），牺牲C（一致性）。没有第三个选择。

这就是CAP理论的真正含义：在分布式系统中，当网络分区发生时，一致性和可用性，不可兼得，你必须二选一。

很多人，刚学CAP理论的时候，都以为CA系统是存在的。比如，MySQL主从复制，是不是CA系统？不是的。因为，MySQL主从复制，也是分布式系统，也有网络分区的可能。当网络分区发生时，主库和从库之间，无法通信，这时候，你要么选C（等网络恢复，数据一致了再提供服务，牺牲可用性），要么选A（继续提供服务，但是数据可能不一致，牺牲一致性）。没有CA系统。

所以，记住：P不是可选的，是必须的。CAP理论，实际上是在网络分区时，C和A的二选一。

二、道理二：C和A，不是非黑即白的，是有程度的

刚学CAP理论的时候，我以为，C和A，是二元的，非黑即白的。要么满足C，要么不满足C；要么满足A，要么不满足A。系统，要么是CP系统，要么是AP系统，清清楚楚。

但是，做了三年分布式系统，我才明白：C和A，不是非黑即白的，是有程度的，是一个连续谱。

先说C（一致性）。一致性，有很多种，强一致性、弱一致性、最终一致性、因果一致性、读己之写一致性，等等。强一致性，是最严格的，所有节点，在同一时间，看到的数据完全一致。最终一致性，是最宽松的，不保证同一时间数据一致，但是保证，经过一段时间后，数据最终会一致。中间，还有各种不同程度的一致性。

所以，C，不是一个二元的概念，不是要么有，要么没有，而是有程度的。你可以选择强一致性，也可以选择最终一致性，也可以选择中间的某种一致性。不同的一致性程度，对系统的性能、可用性、复杂度，都有不同的影响。

再说A（可用性）。可用性，也不是二元的。可用性，通常用百分比来表示，比如99%、99.9%、99.99%、99.999%。99%的可用性，意味着每年有3.65天的 downtime；99.999%的可用性，意味着每年只有5分钟的 downtime。可用性，是一个程度的概念，不是要么有，要么没有。

而且，可用性，还和延迟有关。CAP理论中的A，要求每个请求，都能在有限的时间内，得到响应。但是，"有限的时间"，是多长？100毫秒？1秒？10秒？如果你的系统，每个请求都能响应，但是需要10秒，这算满足A吗？严格来说，算，因为在有限时间内响应了。但是，从用户体验来说，10秒的响应，和不可用，差不多。所以，可用性，也和延迟有关，是一个程度的概念。

既然C和A，都是有程度的，那么，系统，就不是简单的CP或AP，而是在C和A的连续谱上，找到一个平衡点。你可以选择强一致性，高可用性（但是，在网络分区时，还是要二选一）；也可以选择最终一致性，更高的可用性；还可以选择，在正常情况下，强一致性，在网络分区时，降级为最终一致性。

很多分布式系统，都是这样做的。比如，Google的Spanner，号称是"CA"系统，但是，它实际上是在C和A之间，找到了一个很好的平衡点。它通过TrueTime API，实现了外部一致性，同时，通过Paxos算法，实现了高可用性。当然，在网络分区时，它还是要在C和A之间做选择，但是，它通过技术手段，把网络分区的影响，降到了最低。

所以，记住：C和A，不是非黑即白的，是有程度的。不要简单地把系统分为CP或AP，要根据业务需求，在C和A的连续谱上，找到最合适的平衡点。

三、道理三：CAP，是在网络分区时的选择，不是常态

刚学CAP理论的时候，我以为，CAP理论，是分布式系统的常态。也就是说，分布式系统，永远只能满足两个，永远要在C和A之间做选择。所以，CP系统，永远是一致性的，永远牺牲可用性；AP系统，永远是可用的，永远牺牲一致性。

但是，做了三年分布式系统，我才明白：CAP，是在网络分区时的选择，不是常态。

CAP理论，说的是，当网络分区发生时，你只能在C和A之间选一个。但是，网络分区，不是常态，是异常情况。在正常情况下，网络没有分区，节点之间通信正常，这时候，你可以同时满足C和A。

比如，一个CP系统，在正常情况下，是既一致，又可用的。只有当网络分区发生时，它才会牺牲可用性，保证一致性。一个AP系统，在正常情况下，也是既一致，又可用的。只有当网络分区发生时，它才会牺牲一致性，保证可用性。

所以，CAP理论，不是说，分布式系统，永远只能满足两个，而是说，在网络分区这个异常情况下，你只能在C和A之间选一个。在正常情况下，你可以同时满足C和A。

这一点，很重要。因为，很多人，因为CAP理论，就觉得，分布式系统，要么不一致，要么不可用，做分布式系统，就是在C和A之间做痛苦的选择。其实不是的。在正常情况下，分布式系统，可以同时满足C和A，既一致，又可用。只有在网络分区这个异常情况下，才需要做选择。

而且，网络分区，发生的概率，其实不高。只要你的网络，设计得合理，有足够的冗余，网络分区，是很少发生的。大部分时间，系统都是正常的，都能同时满足C和A。

所以，记住：CAP，是在网络分区时的选择，不是常态。不要因为CAP理论，就觉得分布式系统，永远只能满足两个。在正常情况下，分布式系统，可以同时满足C和A。

四、道理四：选择CP还是AP，要看业务场景

刚学CAP理论的时候，我以为，CP比AP好，强一致性比最终一致性好。所以，做系统的时候，总是倾向于选CP，选强一致性，觉得这样更高级，更可靠。

但是，做了三年分布式系统，我才明白：选择CP还是AP，要看业务场景，没有绝对的好坏。

不同的业务场景，对一致性和可用性的要求，是不一样的。有些业务，对一致性要求很高，对可用性要求相对低一些，这时候，应该选CP。有些业务，对可用性要求很高，对一致性要求相对低一些，这时候，应该选AP。

适合选CP的场景：

金融交易：比如，银行转账、支付、证券交易。这些业务，对一致性要求极高，钱不能错，账不能乱。如果数据不一致，可能会导致严重的经济损失，甚至法律问题。所以，这些业务，通常选CP，牺牲可用性，保证一致性。网络分区时，宁可暂停服务，也不能让数据出错。
库存管理：比如，电商的库存、火车票的座位、酒店的房间。这些业务，对一致性要求也很高，不能超卖，不能重复销售。如果数据不一致，可能会导致超卖，影响用户体验，甚至导致赔偿。所以，这些业务，通常也选CP。
账户信息：比如，用户的余额、积分、优惠券。这些业务，对一致性要求也很高，不能出错。如果数据不一致，可能会导致用户的财产损失。

适合选AP的场景：

社交动态：比如，朋友圈、微博、Twitter。这些业务，对可用性要求极高，用户随时都能发动态，看动态。对一致性要求相对低一些，用户晚几秒看到别人的动态，没关系。所以，这些业务，通常选AP，牺牲一致性，保证可用性。
商品浏览：比如，电商的商品列表、商品详情。这些业务，对可用性要求很高，用户随时都能浏览商品。对一致性要求相对低一些，商品的价格、库存，晚几秒更新，没关系（但是，下单的时候，还是要保证一致性）。所以，这些业务，通常选AP。
评论、点赞：比如，文章的评论、点赞数。这些业务，对可用性要求很高，用户随时都能评论、点赞。对一致性要求相对低一些，评论晚几秒显示，点赞数晚几秒更新，没关系。所以，这些业务，通常选AP。
日志、监控数据：比如，系统日志、监控指标。这些业务，对可用性要求很高，随时都能写入和查询。对一致性要求相对低一些，数据晚几秒同步，没关系。所以，这些业务，通常选AP。

所以，选择CP还是AP，不是看哪个更高级，而是看业务场景。适合业务场景的，才是最好的。如果业务对一致性要求高，就选CP；如果业务对可用性要求高，就选AP。不要盲目追求强一致性，也不要盲目追求高可用性，要根据业务需求，做合适的选择。

而且，很多系统，不是简单的CP或AP，而是混合的。不同的模块，不同的功能，可以有不同的选择。比如，电商系统，商品浏览模块，可以选AP，保证高可用；下单和支付模块，可以选CP，保证一致性。这样，既保证了核心业务的一致性，又保证了非核心业务的可用性。这才是合理的架构。

所以，记住：选择CP还是AP，要看业务场景，没有绝对的好坏。适合业务场景的，才是最好的。而且，系统可以是混合的，不同模块，不同选择。

五、道理五：BASE理论，是CAP中AP的延伸

刚学CAP理论的时候，我以为，CAP理论，就是全部了，选CP或AP，就完事了。但是，做了三年分布式系统，我才明白，CAP理论，只是基础，还有一个重要的理论，叫BASE理论，是CAP中AP的延伸。

BASE理论，是对CAP中AP系统的进一步阐述，它的核心思想是：即使无法做到强一致性，但是可以通过适当的方式，达到最终一致性。BASE，是三个短语的缩写：

BA（Basically Available）：基本可用。分布式系统，在出现故障时，允许损失部分可用性，保证核心功能可用。比如，响应时间变长，或者功能降级，但是系统仍然可用。
S（Soft State）：软状态。允许系统存在中间状态，这个中间状态，不会影响系统的整体可用性。也就是说，允许数据在不同节点之间，暂时不一致。
E（Eventually Consistent）：最终一致性。系统中的所有数据副本，经过一段时间的同步后，最终能够达到一致的状态。不需要实时保证数据一致，但是最终要一致。

BASE理论，和传统的ACID（原子性、一致性、隔离性、持久性），是相对的。ACID，强调的是强一致性，是数据库事务的特性；BASE，强调的是最终一致性，是分布式系统的特性。

BASE理论，是AP系统的指导思想。AP系统，牺牲了强一致性，保证了可用性，但是，它不是不要一致性，而是通过最终一致性，来保证数据的一致性。数据，暂时可以不一致，但是最终要一致。

比如，Amazon的Dynamo，就是一个典型的BASE系统。它通过NWR机制（N个副本，写W个，读R个），来调节一致性和可用性的平衡。当W+R>N时，是强一致性；当W+R<=N时，是最终一致性。Dynamo，默认是最终一致性，保证高可用性，但是，数据最终会一致。

再比如，很多电商系统，商品的库存，在浏览的时候，是最终一致性的，不同的用户，可能看到不同的库存数，但是，最终会一致。但是，在下单的时候，会通过分布式锁，或者事务，保证强一致性，不会超卖。

所以，BASE理论，是AP系统的核心思想。做AP系统，不是不要一致性，而是要通过BASE理论，实现最终一致性。既要保证高可用性，又要保证数据最终一致。

所以，记住：BASE理论，是CAP中AP的延伸。做AP系统，要理解BASE理论，实现最终一致性，而不是完全放弃一致性。

六、道理六：CAP理论，不是分布式系统的全部

刚学CAP理论的时候，我以为，CAP理论，就是分布式系统的全部，掌握了CAP理论，就掌握了分布式系统。但是，做了三年分布式系统，我才明白：CAP理论，只是分布式系统的基础，不是全部。

分布式系统，是一个非常庞大、非常复杂的领域。CAP理论，只是其中的一个基础理论，它告诉我们，在网络分区时，C和A不可兼得。但是，分布式系统，还有很多其他的理论、技术、问题，需要我们去学习和掌握。

比如：

一致性算法：Paxos、Raft、ZAB，这些一致性算法，是实现分布式一致性的核心。CAP理论，只是告诉我们，一致性和可用性不可兼得，但是，怎么实现一致性，怎么在保证一致性的同时，尽可能提高可用性，需要一致性算法。
分布式事务：2PC、3PC、TCC、Saga、本地消息表、事务消息，这些分布式事务方案，是解决分布式系统中事务一致性的核心。CAP理论，只是告诉我们，强一致性和高可用性不可兼得，但是，在实际业务中，怎么实现事务的一致性，需要分布式事务方案。
服务发现和负载均衡：分布式系统中，服务的注册、发现、负载均衡，是基础功能。怎么实现服务发现，怎么实现负载均衡，怎么处理服务的故障，这些，都是分布式系统的重要问题。
分布式锁：分布式系统中，怎么实现分布式锁，怎么保证锁的正确性和性能，怎么处理锁的死锁和超时，这些，都是分布式系统的常见问题。
限流、熔断、降级：分布式系统中，怎么处理高并发，怎么保护系统，怎么防止雪崩，这些，都是分布式系统的重要问题。
数据分片和复制：分布式系统中，怎么对数据进行分片，怎么对数据进行复制，怎么保证数据的一致性和可用性，这些，都是分布式系统的核心问题。
可观测性：分布式系统中，怎么监控系统的状态，怎么追踪请求的链路，怎么分析系统的日志，这些，都是分布式系统的重要问题。

这些，都是分布式系统的重要内容，都不是CAP理论能涵盖的。CAP理论，只是分布式系统的入门理论，是基础。要真正掌握分布式系统，还需要学习很多其他的理论和技术。

而且，CAP理论，本身也有一些局限性。比如，CAP理论，只考虑了网络分区，没有考虑其他的故障，比如节点宕机、磁盘故障、数据损坏等。再比如，CAP理论，只考虑了一致性和可用性，没有考虑延迟、吞吐量、可扩展性等其他重要的系统指标。所以，CAP理论，不是分布式系统的全部，只是其中的一部分。

所以，记住：CAP理论，只是分布式系统的基础，不是全部。不要以为掌握了CAP理论，就掌握了分布式系统。要真正掌握分布式系统，还需要学习很多其他的理论和技术。

七、写在最后

CAP理论，是分布式系统中，最基础、最重要的理论之一。但是，它也是最容易被误解的理论之一。

我用了三年，做了很多分布式系统，踩了很多坑，才慢慢明白，CAP理论，远不是三选二那么简单。P不是可选的，是必须的；C和A，不是非黑即白的，是有程度的；CAP，是在网络分区时的选择，不是常态；选择CP还是AP，要看业务场景；BASE理论，是AP的延伸；CAP理论，不是分布式系统的全部。

这些道理，有的是从书本上学来的，有的是从实践中踩坑踩出来的。只有真正做过分布式系统，真正遇到过网络分区，真正在C和A之间做过痛苦的选择，才能真正理解CAP理论的深刻含义。

CAP理论，虽然简单，但是，它的思想，是深刻的。它告诉我们，在分布式系统中，没有完美的方案，只有权衡和选择。我们要根据业务需求，在一致性和可用性之间，找到最合适的平衡点。没有最好的系统，只有最适合业务的系统。

最后，用一句话来结束这篇文章："CAP理论，不是三选二的简单选择题，而是分布式系统设计的哲学。它告诉我们，没有完美，只有权衡；没有最好，只有最合适。理解了CAP，就理解了分布式系统的一半。"

希望这篇文章，能给你带来启发。如果你有不同的观点，或者有什么补充，欢迎在评论区留言，我们一起交流。