CAP定理

在分布式系统的发展中，影响最大的莫过于CAP定理了，是分布式系统发展的理论基石。
  1. 2000年，加州大学的计算机科学家 Eric Brewer提出了CAP猜想
  2. 2002 年，麻省理工学院的 Seth Gilbert 和 Nancy Lynch 从理论上证明了 CAP 猜想，CAP猜想成为了CAP定理
「CAP定理，简单来说就是分布式系统不可能同时满足Consistency 一致性、Availability 可用性、Partition Tolerance 分区容错性三个要素」

Consistency 一致性

一致性的含义为，在节点的任意时刻，访问任意节点返回的数据是一致的。即Client端写入一个数据后，Server端将数据同步到整个系统，从而保证系统的数据都相同

Availability 可用性

可用性的含义为，集群能够对用户的请求给予响应。

Partition Tolerance 分区容错性

分区容错的含义为，当出现分区故障时，系统仍要对外提供服务。分布式系统中，每个服务节点都是不可靠的，当某些节点出现异常时，或者节点之间的通讯产生异常时，整个系统就产生了分区问题，分布式系统中分区问题是客观存在的。

CAP权衡

CA

系统选择CA，即不支持分区容错，只支持一致性和可用性。意味着不允许出现分区异常，网络一致处于理想状态。但是分布式系统之间网络异常是客观存在的，如果避免了P，只能把分布式系统退回到单实例系统。

CP

因为分布式系统P是客观存在的，所以我们要在CP和AP之间进行抉择。
❝
在网络分区发生时，两个分布式节点之间无法进行通信，我们对一个节点进行的修改操作将无法同步到另外一个节点，所以数据的「一致性」将无法满足，因为两个分布式节点的数据不再保持一致。除非我们牺牲「可用性」，也就是暂停分布式节点服务，在网络分区发生时，不再提供修改数据的功能，直到网络状况完全恢复正常再继续对外提供服务
❞
「当选择CP时，相当于放弃系统的可用性，换取一致性」。zookeeper是选择了CP的系统
在zookeeper集群中，有如下三种角色
角色作用
Leader事务请求的唯一调度者和处理者 （事务请求为除查询之外的请求）
Follower处理非事务请求，参与Leader选举投票
Observer处理非事务请求，不参与选举投票
在Leader服务器失效时，会重新从Follower服务器中选举一个新的服务器作为Leader服务器。「在重新选举Leader服务器的过程中，事务请求会被挂起，选举完Leader服务器之后才会执行这些请求」。即为了保证一致性，放弃了系统的可用性

AP

「当选择AP时，相当于放弃系统一致性，换取可用性」。eureka是选择了AP的系统
和zookeeper集群中有三种角色不同的是，eureka集群中每个节点扮演相同的角色，他们通过互相注册的方式来感知对方的存在，当有注册信息时，他们会同步给集群内的其他节点。
下面我从源码角度分析一下eureka是如何放弃一致性来保证可用性的（放心，不会放源码的，说一下大概思路。源码也比较简单，有兴趣的可以看我写的博客https://blog.csdn.net/zzti_erlie/article/details/104088914）
eureka注册中心的信息保存在AbstractInstanceRegistry类的成员变量中
// AbstractInstanceRegistry
privatefinal
 ConcurrentHashMap<String, Map<String, Lease<InstanceInfo>>> registry

 = 
new
 ConcurrentHashMap<String, Map<String, Lease<InstanceInfo>>>();

就是一个双层map，这个双层map也很好理解。最外层是服务名，里面是一个具体的实例名
当有服务往eureka上注册时，注册信息会被保存在map中，同时会把信息同步给其他的节点。此时有可能有些节点不可用了，或者网络故障，并没有收到信息，此时集群节点内的信息可能是不一致的。
当客户端从某个eureka节点获取信息失败，或者注册失败，会自动切换到另一个eureka节点。只要有一台eureka节点可用，就能保证注册服务可用。

Zookeeper和Eureka的区别

最后总结一下两者的区别
ZookeeperEureka
设计原则CPAP
优点数据最终一致服务高可用
缺点选举leader过程中集群不可用服务节点间的数据可能不一致
适用场景对数据一致性要求较高对注册中心服务可用性要求较高
继续阅读
阅读原文
关键词
分布式系统
数据
一致性
可用性
服务器