CAP理论
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。
- 2000年，加州大学的计算机科学家 Eric Brewer提出了CAP猜想
- 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。
Zookeeper和Eureka的区别
| Zookeeper | Eureka | |
|---|---|---|
| 设计原则 | CP | AP |
| 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 |