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），它指出对于一个分布式计算系统来说，不可能同时满足以下三点：
1、 一致性（Consistency） （等同于所有节点访问同一份最新的数据副本）
2、 可用性（Availability）（每次请求都能获取到非错的响应——但是不保证获取的数据为最新数据）
3、分区容错性（Partition tolerance）（以实际效果而言，分区相当于对通信的时限要求。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之间做出选择。）
一致性（Consistency）
一致性是说，所有节点访问同一份最新的数据副本；即一致性保证了无论将数据写入哪一个节点，其它的节点都能实时同步到这个新数据，而随后无论从哪个节点读到的都是最新的数据。如下图所示：
如果节点之间数据同步有异常，那就必须先解决掉同步的问题，挂起所有的请求，等待数据同步完成后才响应，那么会出现以下几种情况：
请求在等待很久后才得到了正确结果
写入数据异常
读取数据异常
可用性（Availability）
可用性是说，如果有节点异常了，只要向其它无异常的节点发送请求，总能正常的收到响应数据，但数据可以不是最新的，如下图所示：
分区容错性（Partition tolerance）
先说分区是什么，在分布式系统中，不同的节点分布在不同的子网络中，若因一些网络故障，出现了子网络之间不通的情况，但每个子网络内是正常的；这样一个完整的系统就被切分成了若干个相对孤立的区域，这就是分区。
对于分布式系统来说，在遇到任何网络故障而导致分区时，仍然能够对外提供具有一致性或可用性的服务。也就是说会分区之间即使无法同步数据，也能对外提供服务。
CAP的取舍策略和应用场景
1）AP
保持可用性和分区容错。如果选择分区容错性和可用性，当节点损坏时，遇到分区事件，受影响的服务不需要等待数据一致，就可以对外提供服务，保证了可用性就必须放弃一致性。
2）CP
保证一致性和分区容错。如果选择分区容错性和一致性，为保证一致性，各个节点之间的数据必须保持一致，当出现分区时，会导致同步时间无限延长，在同步的这段时间就无法对外提供服务，就无法保证可用性。
3）CA
保持一致性的同时保证可用性，这在分布式系统中是不存在的，因为分区问题总是会出现在分布式系统中。出现分区就必然会产生一致性问题和可用性问题，一致性和可用性两者只能选其一。
为什么只能 3 选 2
为什么只能 3 选 2？
首先问，能不能同时满足这三个条件？
假设有一个系统如下：
整个系统由两个节点配合组成，之间通过网络通信，当节点 A 进行更新数据库操作的时候，需要同时更新节点 B 的数据库（这是一个原子的操作）。
上面这个系统怎么满足 CAP 呢？C：当节点A更新的时候，节点B也要更新，A：必须保证两个节点都是可用的，P：当节点 A,B 出现了网络分区，必须保证对外可用。
可见，根本完成不了，只要出现了网络分区，A 就无法满足，因为节点 A 根本连接不上节点 B。如果强行满足 C 原子性，就必须停止服务运行，从而放弃可用性 C。
所以，最多满足两个条件：
能不能解决 3 选 2 的问题
难道真的没有办法解决这个问题吗？
CAP 理论已经提出了 13 年，也许可以做些改变。
仔细想想，分区是百分之百出现的吗？如果不出现分区，那么就能够同时满足 CAP。如果出现了分区，可以根据策略进行调整。比如 C 不必使用那么强的一致性，可以先将数据存起来，稍后再更新，实现所谓的 “最终一致性”。
这个思路又是一个庞大的问题，同时也引出了第二个理论 Base 理论，我们将在后面的文章中详细介绍。
