后知后觉仍然比不知不觉好一点，虽然我们努力最求的是先知先觉。

在阅读了Eric A. Brewer的keynote at the PODC和Gilbert and Lynch的Brewer’s Conjecture and the Feasibility of Consistent,Available,Partition-Tolerant Web Service后，对CAP有了些初步的认识，也尝试弄清楚一些基本的问题。

1. 为什么我们需要知道CAP

记得当初学习数学科学（例如微分方程）的时候，如果求解一个问题，首先我们需要证明这个解的存在性。（没学过微分方程也可以回忆一下哥尼斯堡七桥问题）

现实生活中，我们往往面临的是非常具体（甚至琐碎）的问题，我们也在不断付出巨大的努力的尝试解决它们。如果问题棘手，发现一时无法走出的困境后，往往会寻求新的设计方案来解决问题。每一个方案（系统）设计之初，参与设计者往往对未来这个方案充满了憧憬，事实上，新方案也一般能解决现有系统的瓶颈。但是新方案运行一段时间后，我们又会重新发现，我们绕过了一些问题，面对的是一些新的困境。

为了避免这种情况，在设计新方案的时候，我们需要尝试弄清楚我们现在系统解决了哪些问题，没有解决哪些问题，无法解决哪些问题；设计新系统，我们能够解决哪些，无法解决哪些。

CAP理论（也许不能说是严格理论，因为我们往往在C、A、P之前寻求平衡）便是基于这样的思考，产生的理论。

2. 什么是CAP

即使是现在，我仍然不是很理解CAP，所以本文也无法清楚的阐述”什么是CAP”，这里将列出我的认识，和看到并觉得靠谱的认识。

CAP是Eric A. Brewer在PODC上首次提出，Brewer的一部分工作便设计大型的分布式系统设计与实现，例如Global Search Engines、Distributed Web Caches等。所以CAP理论也是基于分布式（Distributed Systems）的系统，所以下面全部的内容，都需要放到分布式系统的中去理解，否则你会迷失。

CAP是指Consistency, availability and partition tolerance的缩写，不过理解这三个概念并不容易。CAP理论指出，这三者不可兼得。

Consistency是容易理解的；关于Availability和Partition tolerance，Jeff Darcy在文章Availability and Partition Tolerance做了如下阐述

“Availability is sacrificed if certain nodes are forced to wait for unbounded time because of a failure. This includes the common approach of forcing non-quorum nodes down, which Brewer alludes to.”

“Partition tolerance is sacrificed if certain requests are forced to wait for unbounded time because of a failure. This is most often the case when a node holding a lock cannot be reached, and quorum loss is not used to break the lock.”

虽然看起来很晦涩，不过这已经是能够看到最清晰的解释了。（如果你仔细看这篇文章后面的评论，还有发现很多有意思的东西）

3. Sample of CAP

符合CAP设计哲学中，两个最典型的案例便是：Google的BigTable和Amazon的Dynamo。前者是一个CA系统，后者则是一个AP系统。

4. CAP 和 MySQL

这里以MySQL Replication（Master-Slave）方案为例。在MS结构中，节点M和节点S，都可以对外提供服务，当其中的一个节点故障，另一个节点仍然能够对外提供服务，所以MS方案认为是满足Availability的；目前MS结构仍然是异步的方式运行，即当主库写入时，备库未必一定也写入了，备库甚至允许短暂和主库断开连接，而且当主库处理请求时，也无需确认备库的状态，所以MS结构是满足Partition tolerance的；但是由于MS结构的异步特性，我们看到主备的数据是可能不一致的，即不满足Consistency。

Semi-sync Replication则是在Consistency要求更严格，同时在部分失去Partition tolerance；如果MySQL使用DRBD（严格模式） 做HA方案，则实现了Consistency，就失去了Partition tolerance。

参考文献：
[1]. Towards Robust Distributed Systems
[2]. Availability and Partition Tolerance
[3]. Brewer’s Conjecture and the Feasibility of Consistent,Available,Partition-Tolerant Web Service
[4]. Quorum (Distributed_Systems)
[5]. Brewers CAP Theorem on distributed systems
[6]. CAP Theorem