C.Consistency 数据一致性
不同节点请求或多次请求。数据要一致。(多个节点数据同步需要时间)
复制代码A.Availability 服务可用性
发起请求，必须要有响应(要在规定时间返回结果)
复制代码P.Partition tolerance 分区容错性
大多数分布式系统都分布在多个子网络。因为现在的网络问题，基本都会出现访问失败，所以一定要有分区容错性。那么P就一定要有。(分布式系统都有多个节点，挂掉部分也要继续可用，如果没有的话，有些请求就一直返回失败，直到问题解决。)
复制代码CAP定义 。这三个指标不可能同时做到。
CA:
保证了数据一致性和服务的可用性。
因为现在的网络环境。基本都会出现访问失败。所以不可能不要分区容错性。
CA架构很难实现。
CP:
保证了数据的一致性和分区容错性。
分区容错性有了，那么就需要多个节点，数据同步就需要时间。
当时间上去了，为了保证数据的一致性。服务需要时间等待数据同步完成才获取数据，等待时间过久就会导致服务不可用。就相当于不能实现A。
AP:
保证了服务的可用性和分区容错性。
分区容错性有了，那么就需要多个节点。需要保证服务可用性，就需要快速响应。
要快速响应，就不能等待数据同步完成才响应。
所以就会导致数据非一致性，相当于不能实现C。
复制代码在保证了分区容错性P的情况下。 C和A是冲突。
要保证数据一致性。那么就需要时间。需要时间。服务可用性就不能满足了。
要保证服务可用性，那么就需要尽快返回。要速度快，就表示数据来不及同步。所以就不能保证数据一致性。
复制代码CP: Zookeeper,Consul,etcd 如果你要保证数据一致性，那么就用CP的。
AP: Eureka 如果你要保证服务可用性。那就用AP的