微服务学习：微服务CAB理论
描述
C （Consistency /kənˈsɪstənsi/）：一致性，即数据一致性，特指分布式系统中的数据一致性。
A（Availability /əˌveɪləˈbɪləti/）：可用性，即服务的高可用，特指分布式系统中服务的高可用，某个服务瘫痪不影响整个分布式系统的正常运行。
P（Partition Tolerance）：分区容错性（也有的叫分区耐受性），即网络故障，特值分布式系统中服务之间出现了网络故障，整个分布式系统任然保持可用性和一致性。
重点：在分布式系统中，网络故障，服务瘫痪，整个系统的数据仍然保持一致性
取舍策略
CAP三个特性只能满足其中两个
- CA：如果不要求P，则C和A是可以保证的。但放弃P的同时也就意味放弃了系统的扩展性，也就是分布式节点受限，没办法部署子节点，这是违背了分布式系统设计的初衷的。
- CP：如果不要求A，相当于每个请求都需要在服务器之间保持强一致性，而P会导致同步时间无限延长（也就是等待数据同步完才能正常访问服务），一旦发生网络故障或者消息丢失等情况，就要牺牲用户的体验，等待所有数据全部一致了之后再让用户访问系统。设计成CP的系统其实不少，最典型的就是分布式数据库，如Redis等。对于这些分布式数据库来说，数据的一致性是最基本的要求，如果连这个标准都达不到，那么直接采用关系型数据库就好，没必要再浪费资源来部署分布式数据库。
- AP：要高可用并允许分区，则需放弃一致性。一旦分区发生，节点之间可能会失去联系，为了高可用，每个节点只能用本地数据提供服务，而这样会导致全局数据的不一致性。典型的应用就如某米的抢购手机场景，可能前几秒你浏览商品的时候页面提示是有库存的，当你选择完商品准备下单的时候，系统提示你下单失败，商品以售完，这其实就是先在A方面保证系统可以正常的服务，然后再数据的一致性方面做了些牺牲，虽然多少会影响一些用户体验，但也不至于造成用户购物流程的严重阻塞。
最常用的是AP与CP。
总结
「分区容错性」是分布式系统必然要面对的问题。只能在 C 和 A 之间进行取舍。但对于传统的项目就可能有所不同，拿银行的转账系统来说，涉及到金钱的对于数据一致性不能做出一丝的让步，C 必须保证，出现网络故障的话，宁可停止服务，可以在 A 和 P 之间做取舍。而互联网非金融项目普遍都是基于 AP 模式。总而言之，没有最好的策略，好的系统应该是根据业务场景来进行架构设计的，只有适合的才是最好的。
