CAP

CAP 是分布式系统中的三个重要特征，分别是：

• Consistency 一致性：各节点之间的数据需要保证一致性，即客户端无论从哪个节点请求数据，得到的结果都要相同，即使暂停服务，也要先同步数据；
• Availability 可用性：而可用性则 优先保证服务可用，即使各节点间的数据还未同步完成，因此可能会 导致返回的数据不是最新的；
• Partition Tolerance 分区容错性：在分布式系统中，一般都有多个节点，分区容错性是指 即使有些节点出现故障或延时，系统也能正常提供服务。

CAP 理论指的是在分布式系统中，只能同时满足 CAP 中的两个特征，无法同时满足 CAP。

因为分布式系统一般都是 多节点，并且是分区网络，所以涉及多节点间的通讯和交互，节点的故障、延时是必然会发生的。因此分布式系统 首先要保证 P。

在 CA 的选择中，如果业务需要数据的强一致性，否则会导致系统出错，那么优先选择 C。而如果业务对数据一致性要求没有那么高，追求服务尽可能的可用，那优先选择 A。

分布式共识 是指在分布式系统中，多个节点通过协商来达成一致的执行决定或数据状态。例如分布式选举就是一种执行决定的共识，CAP 理论中要具备 C，就是需要进行数据状态的共识。常见的共识算法有Paxos、Raft、ZAB。

实现了一致性并不是就保证了数据的完整性，如果系统为了保证一致性，会将数据在各节点间同步完成之后，再对客户端提供服务。

如果是 Raft，数据同步失败了， 会通过 Leader 的日志来保证最终一致性，因此最后数据是能保证完整的。但是，如果 在数据同步失败时，Leader 任期到或者故障，发生了切主，此时就可能 把新 Leader 的数据（不是完整的，因为切主前还未同步完成）同步给其他节点，此时集群的数据就不完整了。