前言
在分布式系统理论中，以CAP理论为基石，Base理论为拓展，paxos算法为模板。逐渐形成了一套分布式系统的主体框架。
本文主要以CAP理论为引导，展开讲解分布式的算法原理。
什么是CAP
CAP是Consistency ，Availability，Partition Tolerance的单词首字母缩写。
Consistency（一致性）
是分布式系统所要解决的核心问题，即 如何在多个数据节点间通过一致性算法，使得客户端收到操作成功的返回值时，该系统中的所有节点对某一个数据达成一致。
（备注：客户端收到失败或者超时时，该系统中数据仍然是一致的）
Availability（可用性）
是一个分布式系统的正常响应时间，占总运行时间的比重。当比重越高，则称其为可用性越强。
Partition Tolerance（分区容错性）
是当分布式系统中因为部分节点的网络消息暂时不可达，但是仍然可以对客户端提供服务。
CAP理论指出，现在的分布式系统中，这三者必不可能同时达成，只能最多达成其中两个。
CAP的使用
CP：同时具备了分区容错性和一致性。特点为不保证可用性，但保证分布式的节点可以容忍部分节点失效时提供服务，并且保证有效节点内的数据一致。代表为etcd,ZooKeeper。CP系统一般遵从base理论，从而在一段时内达成最终一致性，从而间接提高了系统的实际可用性。完全的cp在工程实现中其实是不好的实现（可用性太低）。
AP：和CP偏执于一致性相比，AP系统偏向于用户友好型，高响应。整体可用性提升，很少遇上等半天收到一个超时或者失败的情况。（略微夸张的说法）。古人云有得必有失，AP可用性提升的背后是节点数据的不一致，最坏的情况下，可能某一个时刻每个节点的数据都不一样。查询的时候虽然会立即获得一个返回值，但不一定正确。代表为eureka.
CA：放弃了分区容错性，最直接的后果就是少了任何一个节点，都无法进行服务。如果是CA的分布式系统属实没人敢用。一般以单节点的系统为代表，例如传统的mysql.
当我们设计一个分布式系统的时候，正如同其他算法一样，没有一种可以应对所有的场景。
具体选择AP或是CP首先要分析需求，分解实际的应用场景。一般来说，如果单条数据不重要，而且会连续更新，则使用AP.如果单条数据特别重要，或者数据只会发送一次则使用CP。