分布式系统中，必然无法同时满足一致性、可用性和分区容忍性。
分布式系统指一组电脑连成的网络。
一致性（Consistency，简称C）指同一时刻全网数据完全一致，相当于军训队伍整齐划一，越整齐一致性就越高。
可用性（Availability，简称A）一部分节点更新数据后，分布式系统能基于最新数据响应用户读写请求。排头兵挪动后，没跟上的队伍走样越小、排齐耗时越少，可用性就越高。
分区容忍性（Partition Tolerance，简称P）只有两个可选参数：不容忍和容忍。
不容忍分区好比你一个人在word里打字，无需穿行网络，一台电脑全盘搞定；容忍分区就是分布式系统，至少有两台计算机联机组成，比如你保存word文档的瞬间，如果我的电脑没和你交互，就读不到你刚写的文字。
CAP定理意思是：C、A、P三者最多得二。
具体来说：分布式系统必然容忍分区（P），所以一致性（C）与可用性（A）注定互斥。如果你想左拥右抱C和A，那就别指望分布式系统，只能用单机版的中心化方式（不容忍分区，无P）。
但是，分布式系统中C和A的不可兼得，与中文语境下鱼和熊掌的不可兼得不同。CAP定理是说：一条队伍永远存在可能不齐的瞬间。这看着像句废话，但只有理解这点，才能避免对CAP原理最习以为常的误解：现在不齐，所以永远无法整齐。
你不是教官脑中的提线木偶，不会根据教官意念自动排齐。排头兵一个喷嚏把自己打出去半步，二号兵才能开始反应，跟出瞄齐，而他脖子位置的变化向三号兵发出指令：来，跟上。
最后才轮到你，怎么可能快？所有人的反应时间之外，还要加上挪步用时，于是耗时必然大于零。
映射到分布式系统：如果想要严格一致的数据，那分布式系统就没法用了，因为你无法确保使用数据的瞬间，网络中其他节点不会更新数据；如果你想用相对新的数据，那就得候着。
所以，分布式系统天生就慢。
这种慢，更像是迟钝，原因很简单：分布式系统范围一大，节点间的通信耗时就长。
如果你想获得可靠的最新信息，就得等所有节点汇集出最新数据，这样能保住一致性、放弃可用性。可如果你说全网这么多节点，等到什么时候才能一致？CAP原理告诉你：别等了，你就放弃点一致性，先用着吧，否则你啥也用不了。
2000年加州大学伯克利分校计算机教授布鲁尔提出了CAP的三选二猜想，两年后被麻省理工学院的两位教授基尔伯特和林奇证明。
他们的反证法让证明过程出奇地简单：
假设存在一个算法同时满足一致性、可用性和分区容忍性，那么在两个节点的网络中，存储的信息分为不相关的非空集合{G和G'}，假设G和G'间没有通信，那么，一个节点读的操作将无法访问另一节点稍早前写的结果。
类比一个你熟悉的场景：
妈妈和儿子一起把两只蛋关进冰箱，妈妈回房看电视，儿子一饿之下把蛋全煮了扒光吃尽，此时爸爸在房里问妈妈：冰箱里还有多少蛋？
妈妈关上房门的刹那，本来共享的鸡蛋余额数据就发生了分区。
如果妈妈追求严格一致性，那她应该跑去冰箱检查余额后再答复爸爸，可妈妈追起剧来特别专注，所以直接回答：还有两个。这个回复没有基于准确的最新余额，但为了可用，放弃了一致。
可这并不影响爸爸第二天就去超市买蛋，因为不管零个蛋还是两个蛋，都不够全家吃。
所以，一致性并非不可放弃，只是需要权衡。放弃追求一致性，就能少打断一次电视剧情，少跑一个来回所增加的便利，如果大于因为蛋数认定不一致带来的不便，那不一致就不一致吧。
这是很简单的取舍，但正如“去中心”常被人们误解为“去掉所有中心”一样，人们也常常误读CAP定理中“三者只能居其二”的含义：
CAP定理的确告诉我们：分布式系统中抓走可用性就意味着放手一致性，但并不说明用户想要的一致性被冲进了马桶，再也捞不回来。真实情况是，我们可以在短时间内追回些一致性，就像经过严格训练的队伍可以比普通队伍用更短的时间排齐一样。
很可惜，即使我们只用一刹那的时间就能追回先前所有的不一致，我们也没有办法追回这一刹那本身所产生的不一致，这是分布式系统命中注定的无奈。
但这只是CAP定理在理论上的陈辞，实际场景中我们需要关注的是如何在C、A之间权衡利弊，最终获得最大的经济收益。在这方面，银行业贡献给我们两个案例：
版权申明：本内容来自于互联网，属第三方汇集推荐平台。本文的版权归原作者所有，文章言论不代表链门户的观点，链门户不承担任何法律责任。如有侵权请联系QQ：3341927519进行反馈。
