在java开发分布式系统当中，无论如何都绕不过cap理论，那你知道这是一个什么理论吗?它的原理是什么呢?下面跟我一起看看吧。

CAP理论

一个分布式系统最多只能同时满足一致性(Consistency)、可用性(Availability)和分区容错性(Partition tolerance)这三项中的两项。

CAP原理及定义

Consistency 一致性

一致性就是“all nodes see the same data at the same time”，即更新操作成功并返回客户端完成后，所有节点在同一时间的数据完全一致。

分布式的一致性

对于一致性来说，可以从客户端与服务端两个不同的视角来看。以客户端看来，一致性主要指的是多并发访问时更新过的数据如何获取的问题。从服务端看，则是更新如何复制分布到整个系统，以保证数据最终一致。一致性是因为有并发读写才出现的问题，所以理解一致性相关问题时，需要注意结合考虑并发读写的场景。

客户端角度看来，多进程在并发访问时，已经更新过的数据在不同进程如何获取的不同策略，会决定不同的一致性。对关系型数据库，必须要求更新过的数据都能被后续的访问看到，这是强一致性。

如果你可以容忍后续的一部分或者干脆全部访问不到，就是弱一致性。如果需要经过一段时间才要求访问到更新后数据，则是最终一致性。

Availability可用性

可用性指的就是“Reads and writes always succeed”，也就是服务一直可用，并且是正常响应时间。

一个可用性的分布式系统，它的每一个非故障的节点都必须对每一个请求作出响应。也就是，这个系统使用的任何算法必须最终终止。当同时要求分区容忍性时，这是一个很强的定义：即使是严重的网络错误，每个请求必须终止。

好的可用性主要是指系统能够很好的为用户服务，不出现用户操作失败或者访问超时等用户体验不好的情况。可用性通常情况下可用性和分布式数据冗余，负载均衡等有着很大的关联。

Partition Tolerance分区容错性

分区容错性指的就是“the system continues to operate despite arbitrary message loss or failure of part of the system”，也就是分布式系统在遇到某节点或网络分区故障的时候，依旧可以对外提供满足一致性和可用性的服务。

分区容错性和扩展性紧密相关。在分布式应用中，有可能会因为分布式的原因导致系统无法正常运转。好的分区容错性要求能够使应用虽然是一个分布式系统，而看上去却好像是在一个可以运转正常的整体。

例：

现在的分布式系统中有某一个或者几个机器宕掉了，其他剩下的机器还能够正常运转满足系统需求，或者是机器之间有网络异常，将分布式系统分隔未独立的几个部分，各个部分还能维持分布式系统的运作，这样就具有好的分区容错性。

以上就是本文的所有内容了，更多java常见问答相关知识请持续关注我们了解吧。