CAP 理论与系统设计

分布式系统有三盏灯，但只能亮两盏。

这就是 CAP 理论告诉我们的：一致性（Consistency）、可用性（Availability）、分区容错性（Partition Tolerance），你最多只能同时满足两个。

等等，分区容错性怎么能不选呢？

简单来说：网络分区是必然的。你的服务器可能跨机房、跨机房甚至跨地域，光纤可能被挖断，路由器可能抽风。在分布式系统中，P 不是可选项，是必选项。

所以，CAP 理论本质上是在问：C 和 A，你选哪个？

一致性 vs 可用性：没有标准答案

CP 系统：牺牲可用性换一致性

典型代表：ZooKeeper、etcd、HBase

想象银行的转账系统：你的账户余额是 100，转给朋友 50。如果系统不一致，你可能付两次 50 都成功——这叫「双花」，是灾难性的。

// ZooKeeper 的写操作是强一致的
// 如果 leader 宕机，写操作会失败（不可用）
// 但一旦返回成功，数据一定是一致的
public class ZKExample {
    public void write(Data data) {
        // 写入需要多数节点确认
        // 如果网络分区，部分请求会失败
    }
}

适用场景：金融交易、库存管理、分布式锁

AP 系统：牺牲一致性换可用性

典型代表：Cassandra、DynamoDB、Redis Cluster

想象微博的时间线：少刷到一条微博，用户感知不强；但如果服务器挂了，用户打开白屏，那才是灾难。

// Cassandra 采用最终一致性模型
public class CassandraExample {
    public void write(String key, String value) {
        // 写入本地节点即可返回成功
        // 数据会异步复制到其他节点
        // 短暂不一致，但最终一致
    }

    public String read(String key) {
        // 读请求可能返回旧数据
        // 但系统保证可用
    }
}

适用场景：社交 feed、评论系统、日志收集

你真的理解「一致性」吗？

很多人在面试中说「我要保证强一致性」，但追问下去就懵了。

一致性的三个层次：

级别	说明	例子
强一致性	写入后立即可读	同步复制
弱一致性	写入后可能读到旧值	异步复制
最终一致性	写入后最终能读到	DNS、 Cassandra

实际工程中：几乎没有人用强一致性，成本太高。大多数系统用的是「最终一致性 + 补偿机制」。

跨时代的 BASE 理论

CAP 理论太理论化，实际落地需要具体方法论。BASE 理论就是 CAP 中 AP 的工程实践：

• Basically Available：基本可用，允许偶尔失败
• Soft state：软状态，数据可以是中间状态
• Eventually consistent：最终一致性，允许延迟但最终一致

// BASE 思想下的订单服务
public class OrderService {
    // 1. 先标记「处理中」
    public void createOrder(Order order) {
        order.setStatus(OrderStatus.PROCESSING);
        orderDao.save(order); // 写入即可用

        // 2. 异步处理实际业务
        messageQueue.send(order);

        // 3. 最终状态由消费者更新
        // 这个过程可能有延迟，但最终一致
    }
}

面试中的回答套路

面试官问 CAP，不是想听你背定义，而是想看你能不能结合具体场景做决策。

错误回答：

「CAP 理论说一致性、可用性、分区容错性只能满足两个，我们要根据场景选择。」

这种回答等于没说。

正确回答：

「对于短链接系统，我选择 AP 模型。原因有三：

1. 用户点击短链接，系统必须高可用，卡一下用户就跑了
2. 点击统计允许短暂不一致，差个几十条数据不影响业务
3. 通过消息队列做异步补偿，可以保证最终一致性

但对于账户余额这类场景，我会选择 CP。」

追问：

• 「如果你的 AP 系统出现数据冲突怎么办？」
• 「怎么设计补偿机制？」
• 「如何让用户感知不到不一致？」

这些问题没有标准答案，考的是你对一致性的深层理解。

总结

CAP 理论不是教条，是思考框架：

1. P 是必选的：网络分区必然发生
2. C 和 A 看场景：金融选 C，社交选 A
3. 大部分系统是 AP + 最终一致性：BASE 理论是工程实践
4. 一致性有层次：强一致成本高，弱一致更实用

下次被问到 CAP，别急着回答「我选 AP」或「我选 CP」。

先问自己：这个系统里，什么数据是一致性优先的，什么数据是可用性优先的？

答案可能让你意外：同一个系统，C 和 A 可以并存——只需要分清哪些数据走 CP，哪些走 AP。