一、前言：

    CAP理论作为分布式系统的基础理论,它描述的是一个分布式系统在以下三个特性，只能满足其中两个特性，一致性、可用性、分区容错性三者不可兼得：

                

• 一致性（Consistency）
• 可用性（Availability）
• 分区容错性（Partition tolerance）

     如何做到分布式系统具备高可用？？

     常规的思路就是冗余，增加节点，当A节点挂掉，还有B节点提供服务，但是节点多了之后，数据一致性又很难保障了！！！

     如何提升数据一致性？？

     减少节点，最好就是单点服务，但是节点少了，可用性又很难保障，这么看一致性和高可用就是一个对立面。

二、案例分析()：

1、AP案例分析-SpringCloud-Eureka

图示，注册中心采用集群部署，满足高可用的特性，当订单服务在扩容的时候，新增订单服务实例4，数据注册到Eureka  A节点，在其余的两个节点没有订单服务4这个实例信息，这种情况下，用户服务获取服务列表，可能获取不到订单实例4，这就是最简单的数据不一致情况。

Eureka集群本身，各个节点都处于平等的地位，完全是为了冗余，提升高可用。

 

2、CP案例分析-Zookeeper

 

知识点预热：

  ZooKeeper 集群中的角色简介：

    Leader： 负责发起投票和决议，更新系统状态
    Follower：用于接收客户端请求并向客户端返回结果，在选主过程中参与投票
    Observer： 可以接收客户端连接，将写请求转发给 Leader 节点，但不会参与 Leader 发起的投票，也不会被选举为 Leader，Observer 的目的是为了扩展系统，提高读取速度

在第二步，当Follower发现Leader节点挂了之后，Follower会拒绝现有的客户端连接，参与主从选举，在成功选举出leader之前，zk将不可用；这个时候如果ZK作为注册中心，注册中心将不可用。

注：图片来自百度