一、什么是CAP模型？
CAP模型指的是在分布式系统中，不可能同时满足以下三个点（最多只能满足两个点）：
- 一致性（Consistency）：访问分布式系统的每一个节点都能获得最新的数据
- 可用性（Availability）：每次请求都会收到响应，但不保证数据是最新的
- 分区容错性（Partition tolerance）：分区之间可能会丢失/延迟一些消息，但不影响系统正常运行
二、为什么CAP模型不能同时满足？如何证明？
在CAP模型中，只能满足CP、AP，不能满足CA，因为网络通信的不稳定性可能会导致分区容错（也就是说分区容错性是必然存在的，因此我们只能在一致性和可用性之间做选择）。
证明如下：
假设有两个服务器N1和N2，N1有应用程序A和数据库DB0，N2有应用程序B和数据库DB0，他们之间的网络可以互通，相当于分布式系统的两个节点，我们来做分析：
- 在满足C的时候，两台服务器N1和N2上的数据库DB0的数据是一致的
- 在满足A的时候，两台服务器N1和N2在收到每次请求都会正常返回响应
- 在满足P的时候，两台服务器N1和N2任何一方宕机或者网络不同的时候，都不会影响N1和N2彼此之间的正常运行
正常情况下：如果用户通过N1中的应用程序A将数据写到DB0后，将DB0改成DB1，通过分布式系统的数据同步，N2中的DB0也同步更新为了DB1，这时候用户通过应用程序B请求到的数据就是更新完的DB1
异常情况下：如果在上面N1和N2数据同步时出现了网络传输问题（网络不通），但我们要保证分区容错性，那么我们还能同时满足一致性和可用性吗？
N1通过用户更新把DB0改为DB1，这时候网络不通，导致N2数据库还是DB0，如果用户去请求N2中的数据，我们只能请求到旧的数据DB0。我们从一致性和可用性的角度看应该怎么解决：
- 牺牲C，返回旧的数据DB0
- 牺牲A，阻塞等待，直到网络恢复，同步完新的数据DB1后再返回
结论：通过这么一个简单的例子，我们可以发现如果要实现一个满足分区容错性的分布式系统，那么只能在一致性和可用性中选择一个。那具体我们应该怎么做取舍呢？
三、CAP模型取舍
在上面的结论里我们知道，CAP模型中无法同时满足，所以我们应该怎么做取舍呢？
取舍的策略有三种，分别是：
- CA without P：舍弃P意味着不允许分区（也就是单点部署），那就违背了分布式系统设计的初衷，所以是不合适的
- CP without A：舍弃A意味着要牺牲用户体验（因为要等数据同步完才能正常访问服务），典型的例子就是
Redis - AP without C：舍弃C意味着也要牺牲用户体验（因为可能返回的数据不是最新的，导致后续操作受影响，但好处是避免了阻塞），典型的例子就是我们在秒杀中看到了库存还充足，但是下单的时候却提示商品已售罄
总结：具体问题具体分析，我们要根据使用场景要选择我们最适合的CAP模型，比如金融系统中对数据比较敏感，就需要保证数据一致性，那么就可能要舍弃可用性了（经常发生的就是某某金融系统宕机了一段时间）。但其他的一般场景，我们还是尽量保证系统的可用性，来避免系统阻塞导致的吞吐量低下问题。
