CAP 原理概述
CAP 原理是分布式系统设计的核心理论，由计算机科学家 Eric Brewer 提出。它指出，在分布式系统中，以下三个特性无法同时满足：
- 一致性（Consistency）：所有节点在同一时间看到的数据相同。
- 可用性（Availability）：每个请求都能得到响应（不保证数据最新）。
- 分区容错性（Partition Tolerance）：系统在网络分区时仍能继续运行。
实际中，网络分区不可避免，因此设计通常需要在 CP （一致性与分区容错）或 AP（可用性与分区容错）之间权衡。
CAP 的实际运用
数据库系统的选择
- CP 系统（如 ZooKeeper、etcd）：优先保证一致性，适用于金融交易、配置管理等场景。网络分区时可能拒绝请求。
- AP 系统（如 Cassandra、DynamoDB）：优先保证可用性，适用于社交网络、实时日志等场景。可能返回旧数据。
微服务架构设计
- 服务拆分：将强一致性需求的服务（如支付）与高可用需求的服务（如商品浏览）分离，分别采用 CP 或 AP 策略。
- 最终一致性：通过消息队列（如 Kafka）或异步复制实现数据的最终一致，平衡 CAP 矛盾。
云原生与容器化
- Kubernetes ：默认偏向 AP（节点故障时仍保持服务），但可通过配置（如
StatefulSet）实现部分 CP 特性。 - 服务网格（如 Istio）：通过重试和超时机制缓解分区问题，动态调整 CAP 权衡。
注意事项
- 业务驱动选择：根据场景需求决定侧重 CP 或 AP。例如，电商库存可能选择 CP，而评论系统选择 AP。
- 混合策略：部分系统支持动态切换（如 MongoDB 可配置读写一致性级别）。
- 新技术影响：如 NewSQL（TiDB）尝试突破 CAP 限制，但实际仍存在权衡。
通过合理应用 CAP 原理，可以设计出更健壮的分布式系统。