在一个分布式系统中，存在一致性（Consistency）、可用性（Availability）、分区容错性（Partition tolerance）三种特性。 这三种特性在一个系统(运行)中只能同时满足其中两项。CAP理论的前提是 “分布式”系统 ，如果一个系统不满足分布式这一性质，那就无从提起CAP理论，下文中的系统代指”分布式系统“。
CAP的定义
一致性（Consistency）
一致性指的是数据的一致性，所有节点在同一时间获取到的数据都是相同的（并发读写）。在更新、删除等操作成功并返回客户端完成后，所有的节点在同一时间的数据完全一致。
一致性策略：
强一致性
要求更新过的数据能被后续的访问都看到，任何时刻访问任何正常服务的节点都能得到相同的数据。由于强一致性的要求通常会牺牲可用性来保证数据的一致性。
弱一致性
容忍部分节点的数据存在一定程度的不一致，用于换取更高的性能/可用性。
最终一致性
经过一段实际后能访问到更新后的数据。在极端情况下可能会导致部分节点的数据不是最新的，在问题解决后最终会将数据同步为一致。
CAP中无法同时满足的一致性指的是“强一致性”这一策略。强一致性模型下还有线性一致性和顺序一致性的细分。
线性一致性
线性一致性是一种最严格的强一致性模型，其强调在分布式系统中的任何时间点，读操作都应该返回最近的写操作的结果。
例：操作A在操作B之前成功完成，那么操作B在序列化中应该看起来在操作A之后发生，即操作A应该在操作B之前完成。
顺序一致性
顺序一致性相比线性一致性放宽了一些限制，分布式系统会维护全局的操作顺序，保证客户端获取操作顺序一致的结果。
顺序一致性不强调实时性，只要操作顺序是一致的就可以适当接受一定的延迟。与最终一致性的差别是，最终一致性只要求结果是一致的，并不强调操作的顺序。
可用性（Availability）
可用性指的是系统一直以正常响应时间提供可用服务。每一个非故障节点必须对所有请求做出正常响应，不出现操作失败活用户访问超时等问题。
系统中的上下游服务、负载均衡、Web服务器、数据库等任何不稳定都可能会影响系统的可用性
分区容错性（Partition tolerance）
分区容错性指系统在遇到某个节点或者网络分区故障时，其他节点依旧能够对外提供一致性或可用性的服务。
CAP的权衡
既然CAP三种特性无法同时满足，那么如何选择特性来提供服务呢？
CA without P
对于分布式系统来说，分区容错性是基本要求，这种情况几乎不存在，系统在部署不同的环境必然存在网络分区的情况，如果舍弃了P，那么这个系统就不属于分布式系统了。
CP without A
主要出现在不要求强可用性的分布式系统，或者对数据一致性要求较高的系统（如金融相关行业），允许一段时间的停机或服务无响应，就可以在保证数据一致性、分区容错性的情况下而舍弃可用性。
因此相同不保证每次服务请求的可用性，极端情况下可能会出现请求被丢弃的情况。
AP without C
主要出现在可放弃一致性的高可用分布式系统，当部分节点出现问题时，节点之间会失去联系无法同步数据，但为了保证高可用，节点会使用本地数据或剩余节点分区的数据提供服务，此时可能会导致全局数据不一致。
如购物网站、12306，在一段时间内的商品页面显示仍有剩余物品，但到最后的下单付款阶段提示余量不足，这在可用性方面（尤其是响应时间）保证了系统的正常服务，牺牲了一部分的用户体验。
结语
CAP理论存在于分布式系统中，究竟该选择AP还是CP，需要根据需求权衡取舍选择适合的特性，合适的才是最好的。