在一个分布式系统中，Consistency（一致性）、 Availability（可用性）、Partition tolerance（分区容错性）这三个基本需求，最多只能同时满足其中的2个。
Consistency（一致性）：指数据在多个副本之间能够保持一致的特性（严格的一致性）。
Availability（可用性）：指系统提供的服务必须一直处于可用的状态，每次请求都能获取到非错的响应（不保证获取的数据为最新数据）。
Partition tolerance（分区容错性）：分布式系统在遇到任何网络分区故障的时候，仍然能够对外提供满足一致性和可用性的服务，除非整个网络环境都发生了故障。
分区释义：在分布式系统中，不同的节点分布在不同的子网络中，由于一些特殊的原因，这些子节点之间出现了网络不通的状态，但他们的内部子网络是正常的。从而导致了整个系统的环境被切分成了若干个孤立的区域。
假设现在有两个网络节点 Node1（应用程序A和数据库实例M1）和 Node2（应用程序A和数据库实例M1），二者构成一个分布式应用。
1、我们首先分析一下假设满足CAP理论中其中一条，会是什么场景：
满足一致性Node1和Node2中的数据是一样的，及M1和M2保存的数据是一致的。
满足可用性用户不管是访问到哪个应用程序（要么是A，要么是B），都能得到响应（虽然数据不一定一样）。
满足分区容错性Node1和Node2任意一台节点宕机（是不可完全避免的），获取发生网络分区，彼此之间互不影响，还能够继续使用，也就是还能够继续满足可用性。
2、接下来再分析一下该分布式应用正常运行的情况，所谓正常运行，我们就假如M1中数据会经过一定的手段同步到M2，这样用户通过应用程序A或者B都能得到准确的数据。那么在正常运行中该分布式应用套用到CAP理论中：
一致性Node1和Node2的数据M1和M2之间的数据是否完全一样。
可用性Node1和Node2的对用户的请求能否做出正常的响应。
分区容错性Node1和Node2之间的网络是否互通或者说服务器状态是否正常。
3、现在假设一种极端情况，Node1和Node2之间的网络断开了，我们要支持这种网络异常。相当于要满足分区容错性，能不能同时满足一致性和可用性呢？还是说要对他们进行取舍？
现在假设一个用户通过Node1的应用程序A将M1中的数据做了更新，但由于网络原因，M1中的更新未能同步到M2中去，这时另一个用户请求时，应用程序B没办法立即给用户返回最新的数据，这时该怎么取舍？
牺牲数据一致性，保证可用性响应旧数据给用户。
牺牲可用性，保证数据一致性阻塞等待，直到网络连接恢复，数据更新操作同步完成之后，再给用户响应最新的数据。
经过上述分析可知，要满足分区容错性的分布式系统，只能在一致性和可用性两者中，选择其中一个。
如果不要求P（不允许分区），则C（强一致性）和A（可用性）是可以保证的。但其实分区不是你想不想的问题，而是始终会存在，因此CA的系统更多的是允许分区后各子系统依然保持CA。
如果不要求A（可用），相当于每个请求都需要在Server之间强一致，而P（分区）会导致同步时间无限延长，如此CP也是可以保证的。很多传统的数据库分布式事务都属于这种模式。
要高可用并允许分区，则需放弃一致性。一旦分区发生，节点之间可能会失去联系，为了高可用，每个节点只能用本地数据提供服务，而这样会导致全局数据的不一致性。现在众多的NoSQL都属于此类。
最终一致性
对于多数大型互联网应用的场景，主机众多、部署分散。而且现在的集群规模越来越大，所以节点故障、网络故障是常态。这种应用一般要保证服务可用性达到N个9，即保证P和A，只有舍弃C，也就是退而求其次保证最终一致性。但可能会影响用户体验。
到底能不能选择 CA
在分布式系统中，网络无法100%可靠，分区其实是一个必然现象，如果我们选择了CA而放弃了P，那么当发生分区现象时，为了保证一致性，这个时候必须拒绝请求，但是 A 又不允许，所以分布式系统理论上不可能选择 CA 架构，只能选择 CP 或者 AP 架构。