CAP 定律
衡量分布式系统的性能有三个指标，即：
- Consistency（一致性）
分布式系统的所有节点上，同一时刻，对用户来说一次写操作之后的多次读操作是否会得到一致的响应。该指标是衡量数据在多节点上的一致性。 - Availability（可用性）
对用户请求的实时成功响应的要求，该指标是衡量系统响应能力。 - parition tolerance（分区容错性）
以实际效果而言，分区相当于对通信的时限要求。系统如果不能在时限内达成数据一致性，就意味着发生了分区的情况，必须就当前操作在C和A之间做出选择。
image
CAP 定律是说你不能设计一个分布式系统同时完美的满足上面三个指标。而分布式系统的分区容错性总是存在的，所以系统设计需要在C和A中权衡。根据对一致性和可用性的不同要求，有三种场景：
1）Weak 弱一致性：当你写入一个新值后，读操作在数据副本上可能读出来，也可能读不出来。比如：某些cache系统，网络游戏其它玩家的数据和你没什么关系，VOIP这样的系统，或是百度搜索引擎（呵呵）。
2）Eventually 最终一致性：当你写入一个新值后，有可能读不出来，但在某个时间窗口之后保证最终能读出来。比如：DNS，电子邮件、Amazon S3，Google搜索引擎这样的系统。
3）Strong 强一致性：新的数据一旦写入，在任意副本任意时刻都能读到新值。比如：文件系统，RDBMS，Azure Table都是强一致性的。
