CAP原理简介
如果你曾经使用过任何NoSQL数据库，你一定听说过CAP定理。布鲁尔先生在2000年的分布式计算原理研讨会上谈到了这个定理。
类似于微服务博客，我再次以餐厅为例。在班加罗尔的交通拥堵中，一个IT专业人士（嗯…有没有不开车的？）很有可能会有一天想，我辞掉这份工作，开一家餐厅。
故事开始。Srinivas对IT工作感到厌倦（这通常发生在绩效评估后的85%的人身上），最终辞去了工作，开了一家餐厅。经过仔细考虑，他开始通过电话进行外卖服务。他雇佣了一些送餐员，这些送餐员是在许多外卖创业公司消失后以非常便宜的价格得到的。
第五天：Srinivas选择亲自接听电话，坐在收银台旁边。早上是一个平静的时段。但从晚上7点开始，他开始接到很多电话。无论他接到什么订单，他都会把它写在纸上，交给厨房，然后……嘭……食物就做好了（嗯，并不是每次都是这样），然后送到顾客手中。大约在晚上8:30，他看到一个顾客走向他。他喘着气，显然很生气（也许是因为饥饿）。”我已经打了30分钟的电话了。你的电话一直占线。我不得不走了20分钟才来这里下订单。我不高兴。”
创意时间：Srinivas显然感到非常不满和动摇。在IT服务领域工作时，他每天都被上司告诉”顾客就是上帝，你不能让上帝生气”。作为一个敬畏上帝的人，他在生活中牺牲了许多事情，包括去寺庙。经过一段不安宁的睡眠和思考时间，他得到了一个绝妙的想法。”让我再雇一个操作员来接电话。如果一条线路被占线，另一个人会接听。”他花了一个星期的时间来招聘新的人，同时他也应对了一个星期愤怒的顾客。这是提高”可用性”(Availability)的改进。
第15天：现在新员工Raj已经入职，Srinivas感到非常高兴。顾客在电话中的等待时间大大缩短。如果一条线路被占线，呼叫会自动转接到第二条线路。Srinivas和Raj之间的合作非常顺利。他们能够接受订单并处理它们。
第27天：晚上8点，Srinivas接到一个顾客的电话。”我在45分钟前下了订单。现在的状态是什么？”Srinivas记录下了顾客的电话号码和姓名，然后试图查看他的订单列表。但他找不到。他看了一眼旁边的Raj，但Raj正忙于接受其他订单，他不能打扰他。Srinivas向顾客道歉，并要求他等待2分钟。顾客已经不满意了，让他等待更加愤怒。他说”取消我的订单”，然后挂断了电话。敬畏上帝的Srinivas再次感到烦恼。
创意时间：Srinivas对此进行了更深入的思考。他也意识到这种情况也会发生在Raj身上。经过一段思考时间后… 哎呀！他找到了一个解决办法。第二天，他与Raj达成协议，在他们接受订单后立即交换订单详情。例如，订单编号223由Srinivas接受。他将拥有原始订单，并将订单详情的副本传递给Raj。同样，订单编号224由Raj接受，他将把副本传递给Srinivas。现在他们两个人都拥有了所有的订单详情。以后，如果顾客询问订单状态，他们可以在不让顾客等待的情况下回答。这就是”一致性”(Consistency)的体现。
第283天：到目前为止，一切都进展顺利。业务增长了好几倍。现在他有3个人负责接受订单，并且他建立了一个厨房。Srinivas和Raj不再从事这项工作。新的团队成员是Suma、Ramesh和Supriya。他们年轻、充满活力，毫不在乎。至于之前的流程，他们每个人都会向其他两个人更新订单信息。
第289天：一切都好好的，直到某一天。就像宝莱坞电影一样，Supriya爱上了Ramesh，而Ramesh爱上了Suma。事情开始变得复杂，Supriya开始感觉自己像个失败者。随着时间的推移，情况变得更糟。Ramesh和Suma都停止向Supriya传达订单详情，而Supriya也做同样的事情。这导致了沟通中断。现在基本上回到了第一天的状态。没有”分区容错性”(Partition tolerance)。唯一能够提供可用和一致服务的方法是要么摆脱Ramesh和Suma，要么摆脱Supriya，要么让他们一起工作。否则，你可以使系统”可用”，但数据不一致。
让我们回到我们的IT世界的现实。
CAP代表一致性（Consistency）、可用性（Availability）和分区容错性（Partition Tolerance）。
一致性（C）：所有节点同时看到相同的数据。你写入的内容就是你读取的内容。
可用性（A）：确保每个请求都能接收到成功或失败的响应。无论是读取还是写入，你都会收到一些响应。
分区容错性（P）：即使在系统的一部分发生任意消息丢失或故障的情况下，系统仍然可以继续运行。即使节点之间的通信中断，系统仍然可以正常工作。
CAP定理经常被误解。它不是选择其中任意两个。关键在于分区容错性（P）对于客户来说是不可见的。它是一种技术解决方案，用于实现一致性（C）和可用性（A）。客户只能体验到一致性和可用性。
分区容错性是由电线、电力、软件和硬件驱动的，我们都无法控制，而且通常无法满足分区容错性。如果分区容错性存在，A和C就没有问题（除了延迟问题）。问题出现在分区容错性无法满足的情况下。现在我们有两个选择。
AP：当没有分区容错性时，系统可用，但数据不一致。
CP：当没有分区容错性时，系统不完全可用。但数据是一致的。
如果我在解释CAP定理时不提及著名的CAP三角形和一些流行的数据库，那将是一种遗憾。
