定义：在一个分布式系统（指互相连接并共享数据的节点的集合）中，当涉及读写操作时，只能保证一致性（Consistence）、可用性（Availability）、分区容错性（Partition Tolerance）三者中的两个，另外一个必须被牺牲。CAP关注的是分布式数据读写。
- 一致性（Consistence）：对某个指定的客户端来说，读操作保证能够返回最新的写操作结果。
- 可用性（Availability）： 非故障的节点在合理的时间内返回合理的响应（不是错误和超时的响应）。
- 分区容错性（Partition Tolerance：当出现网络分区后，系统能够继续“履行职责”。
虽然 CAP 理论定义是三个要素中只能取两个，但放到分布式环境下来思考，我们会发现必须选择 P（分区容忍）要素，因为网络本身无法做到 100% 可靠，有可能出故障，所以分区是一个必然的现象。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 C，系统需要禁止写入，当有写入请求时，系统返回 error（例如，当前系统不允许写入），这又和 A 冲突了，因为 A 要求返回 no error 和 no timeout。因此，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。
CAP关键细节点
- CAP关注的粒度是数据，而不是系统或者节点，所以在系统设计的时候应该将关注点放到数据上，具体数据具体分析。
- CAP是忽略网络延时的，意味着CAP 理论中的 C 在实践中是不可能完美实现的。在需要强一致性的业务场景中，只能单点写入，其它节点备份。（这里只争对数据，系统还是可以设计成分布式的）
- 正常运行的情况下，不存在CP或者AP的选择，可以同时满足CA。
- CAP 理论的“牺牲”只是说在分区过程中我们无法保证 C 或者 A，但并不意味着什么都不做。因为在系统整个运行周期中，大部分时间都是正常的，发生分区现象的时间并不长。分区期间放弃 C 或者 A，并不意味着永远放弃 C 和 A，我们可以在分区期间进行一些操作，从而让分区故障解决后，系统能够重新达到 CA 的状态。
