引言
CAP是分散式系統、特別是分散式儲存領域中被討論最多的理論，“什麼是CAP定理？”在Quora 分散式系統分類下排名 FAQ 的 No.1。CAP在程式設計師中也有較廣的普及，它不僅僅是“C、A、P不能同時滿足，最多隻能3選2”，以下嘗試綜合各方觀點，從發展歷史、工程實踐等角度講述CAP理論。希望大家透過本文對CAP理論有更多地瞭解和認識。
CAP定理
CAP由Eric Brewer在2000年PODC會議上提出[1][2]，是Eric Brewer在Inktomi[3]期間研發搜尋引擎、分散式web快取時得出的關於資料一致性(consistency)、服務可用性(availability)、分割槽容錯性(partition-tolerance)的猜想：
It is impossible for a web service to provide the three following guarantees : Consistency, Availability and Partition-tolerance.
該猜想在提出兩年後被證明成立[4]，成為我們熟知的CAP定理：
- 資料一致性(consistency)：如果系統對一個寫操作返回成功，那麼之後的讀請求都必須讀到這個新資料；如果返回失敗，那麼所有讀操作都不能讀到這個資料，對呼叫者而言資料具有強一致性(strong consistency) (又叫原子性 atomic、線性一致性 linearizable consistency)[5]
- 服務可用性(availability)：所有讀寫請求在一定時間內得到響應，可終止、不會一直等待
- 分割槽容錯性(partition-tolerance)：在網路分割槽的情況下，被分隔的節點仍能正常對外服務
在某時刻如果滿足AP，分隔的節點同時對外服務但不能相互通訊，將導致狀態不一致，即不能滿足C；如果滿足CP，網路分割槽的情況下為達成C，請求只能一直等待，即不滿足A；如果要滿足CA，在一定時間內要達到節點狀態一致，要求不能出現網路分割槽，則不能滿足P。
C、A、P三者最多隻能滿足其中兩個，和FLP定理一樣，CAP定理也指示了一個不可達的結果(impossibility result)。
CAP的工程啟示
CAP理論提出7、8年後，NoSql圈將CAP理論當作對抗傳統關係型資料庫的依據、闡明自己放寬對資料一致性(consistency)要求的正確性[6]，隨後引起了大範圍關於CAP理論的討論。
CAP理論看似給我們出了一道3選2的選擇題，但在工程實踐中存在很多現實限制條件，需要我們做更多地考量與權衡，避免進入CAP認識誤區[7]。
1、關於 P 的理解
Partition字面意思是網路分割槽，即因網路因素將系統分隔為多個單獨的部分，有人可能會說，網路分割槽的情況發生概率非常小啊，是不是不用考慮P，保證CA就好[8]。要理解P，我們看回CAP證明[4]中P的定義：
In order to model partition tolerance, the network will be allowed to lose arbitrarily many messages sent from one node to another.
網路分割槽的情況符合該定義，網路丟包的情況也符合以上定義，另外節點當機，其他節點發往當機節點的包也將丟失，這種情況同樣符合定義。現實情況下我們面對的是一個不可靠的網路、有一定概率當機的裝置，這兩個因素都會導致Partition，因而分散式系統實現中 P 是一個必須項，而不是可選項[9][10]。
對於分散式系統工程實踐，CAP理論更合適的描述是：在滿足分割槽容錯的前提下，沒有演算法能同時滿足資料一致性和服務可用性[11]：
In a network subject to communication failures, it is impossible for any web service to implement an atomic read/write shared memory that guarantees a response to every request.
2、CA非0/1的選擇
P 是必選項，那3選2的選擇題不就變成資料一致性(consistency)、服務可用性(availability) 2選1？工程實踐中一致性有不同程度，可用性也有不同等級，在保證分割槽容錯性的前提下，放寬約束後可以兼顧一致性和可用性，兩者不是非此即彼[12]。
CAP定理證明中的一致性指強一致性，強一致性要求多節點組成的被調要能像單節點一樣運作、操作具備原子性，資料在時間、時序上都有要求。如果放寬這些要求，還有其他一致性型別：
- 序列一致性(sequential consistency)[13]：不要求時序一致，A操作先於B操作，在B操作後如果所有呼叫端讀操作得到A操作的結果，滿足序列一致性
- 最終一致性(eventual consistency)[14]：放寬對時間的要求，在被調完成操作響應後的某個時間點，被調多個節點的資料最終達成一致
可用性在CAP定理裡指所有讀寫操作必須要能終止，實際應用中從主調、被調兩個不同的視角，可用性具有不同的含義。當P(網路分割槽)出現時，主調可以只支援讀操作，通過犧牲部分可用性達成資料一致。
工程實踐中，較常見的做法是通過非同步拷貝副本(asynchronous replication)、quorum/NRW，實現在呼叫端看來資料強一致、被調端最終一致，在呼叫端看來服務可用、被調端允許部分節點不可用(或被網路分隔)的效果[15]。
3、跳出CAP
CAP理論對實現分散式系統具有指導意義，但CAP理論並沒有涵蓋分散式工程實踐中的所有重要因素。
例如延時(latency)，它是衡量系統可用性、與使用者體驗直接相關的一項重要指標[16]。CAP理論中的可用性要求操作能終止、不無休止地進行，除此之外，我們還關心到底需要多長時間能結束操作，這就是延時，它值得我們設計、實現分散式系統時單列出來考慮。
延時與資料一致性也是一對“冤家”，如果要達到強一致性、多個副本資料一致，必然增加延時。加上延時的考量，我們得到一個CAP理論的修改版本PACELC[17]：如果出現P(網路分割槽)，如何在A(服務可用性)、C(資料一致性)之間選擇；否則，如何在L(延時)、C(資料一致性)之間選擇。
小結
以上介紹了CAP理論的源起和發展，介紹了CAP理論給分散式系統工程實踐帶來的啟示。
CAP理論對分散式系統實現有非常重大的影響，我們可以根據自身的業務特點，在資料一致性和服務可用性之間作出傾向性地選擇。通過放鬆約束條件，我們可以實現在不同時間點滿足CAP(此CAP非CAP定理中的CAP，如C替換為最終一致性)[18][19][20]。
有非常非常多文章討論和研究CAP理論，希望這篇對你認識和了解CAP理論有幫助。
[1] Harvest, Yield, and Scalable Tolerant Systems, Armando Fox , Eric Brewer, 1999
[2] Towards Robust Distributed Systems, Eric Brewer, 2000
[3] Inktomi's wild ride - A personal view of the Internet bubble, Eric Brewer, 2004
[4] Brewer’s Conjecture and the Feasibility of Consistent, Available, Partition-Tolerant Web, Seth Gilbert, Nancy Lynch, 2002
[5] Linearizability: A Correctness Condition for Concurrent Objects, Maurice P. Herlihy,Jeannette M. Wing, 1990
[6] Brewer's CAP Theorem - The kool aid Amazon and Ebay have been drinking, Julian Browne, 2009
[7] CAP Theorem between Claims and Misunderstandings: What is to be Sacrificed?, Balla Wade Diack,Samba Ndiaye,Yahya Slimani, 2013
[8] Errors in Database Systems, Eventual Consistency, and the CAP Theorem, Michael Stonebraker, 2010
[9] CAP Confusion: Problems with 'partition tolerance', Henry Robinson, 2010
[10] You Can’t Sacrifice Partition Tolerance, Coda Hale, 2010
[11] Perspectives on the CAP Theorem, Seth Gilbert, Nancy Lynch, 2012
[12] CAP Twelve Years Later: How the "Rules" Have Changed, Eric Brewer, 2012
[13] How to Make a Multiprocessor Computer That Correctly Executes Multiprocess Programs, Lamport Leslie, 1979
[14] Eventual Consistent Databases: State of the Art, Mawahib Elbushra , Jan Lindström, 2014
[15] Eventually Consistent, Werner Vogels, 2008
[16] Speed Matters for Google Web Search, Jake Brutlag, 2009
[17] Consistency Tradeoffs in Modern Distributed Database System Design, Daniel J. Abadi, 2012
[18] A CAP Solution (Proving Brewer Wrong), Guy's blog, 2008
[19] How to beat the CAP theorem, nathanmarz , 2011
[20] The CAP FAQ, Henry Robinson