概念

• C（Consistency）：一致性
  • 代表更新操作成功后，所有节点再同一时间的数据完全一致
• A（Availability）：可用性
  • 代表用户访问数据时，系统是否能够在正常响应时间返回预期结果
• P（Partitioning）：分区容错性
  • 分布式系统再遇到某节点或网络分区故障时，依然能够对外提供满足一致性或可用性的服务

三者不可能同时满足，要么满足CA，要么满足AP，要么满足CP

举例

如下图，当前有两个系统，一个订单系统，一个库存系统，俩系统是独立的，通过网络进行数据传输。当用户下了订单后，库存系统需要进行减库存的操作，下面是几种不同的设计思路：

• CP模式
  • 订单创建后一直等待库存减少才返回结果
  • 优点：保证了数据的强一致性
  • 缺点：用户体验差，如果库存系统出了问题，用户会一直等待
• AP模式
  • 订单创建后不等待库存减少就立即返回结果
  • 优点：用户体验好
  • 缺点：牺牲了数据的强一致性，库存异步处理，如果库存因为各种问题没有减少成功，数据出现了不一致，系统就需要做一些补偿机制，比如说重新发起请求、人工进行补录，采用数据校对程序把数据补全等等。来保证最终数据是一致的！
• AC模式
  • 把订单系统和库存系统放一起的单体系统中。
  • 在一个数据库的一个事务中完成操作
  • 数据不在分区（没有了P）

使用场景

• CP：常用在银行、金融、证券对数据一致性要求很好的场景
• AP：常用在互联网的应用中，照顾用户的使用体验
• AC：小公司，数据要一直，响应要快，没分区
• ACP：做不到！又要快又要一致，又要分区。