我觉得任何答案都没有很好地解释分区容忍，所以只是更详细地解释一下CAP定理的意思是:

C:(线性性或强一致性)大致是指

如果操作B在操作A成功完成后启动，则 操作B必须看到系统处于与打开时相同的状态 完成操作A，或更新状态(但绝不是旧状态)。

A:

“系统中非故障[数据库]节点接收到的每个请求 必须导致[非错误]响应”。这对某些人来说是不够的 节点能够处理请求:任何未失败的节点都需要这样做 能够处理它。许多所谓的“高可用性”(即低可用性) 停机时间)系统实际上不符合这个定义 可用性。

P:

分区容忍(命名不当)基本上意味着您 通过可能延迟或中断的异步网络进行通信 消息。互联网和我们所有的数据中心都有这个特性，所以 在这件事上你真的没有选择的余地。

来源:Martin kleppmann的作品

举个例子: 卡桑德拉最多只能是AP系统。但是，如果您将其配置为基于Quorum进行读写，那么它就不会保持CAP可用性(根据CAP定理的定义可用)，而只是P系统。

一致性——当我们发送读请求时，如果它正在返回结果，它应该返回客户端请求给出的最近的写。 可用性—您的读/写请求应该总是成功的。 分区容忍度——当网络分区(某些机器相互通信的问题)发生时，系统仍然可以工作。

在分布式环境中，存在网络分区发生的可能性，我们无法避免CAP的“P”。因此，我们在“一致性”和“可用性”之间进行选择。

http://bigdatadose.com/understanding-cap-theorem/

以下是我讨论CAP的方式，特别是关于P。

CA只有在单机数据库(可能有复制，但所有数据都在一个“故障块”上-服务器不被认为是部分故障)的情况下才可能使用。

如果您的问题需要向外扩展、分布式和多服务器，则可能发生网络分区。您已经需要p了，我所处理的问题中很少有适用于总是单服务器的范例(或者，如Stonebraker所说，“分布式是桌面赌注”)。如果您能找到CA问题，那么像传统的非向外扩展RDBMS这样的解决方案将提供很多好处。

对我来说，罕见:所以我们继续讨论AP和CP。

当您有分区时，只能在AP操作和CP操作之间进行选择。如果网络和硬件运行正常，你就能得到你的蛋糕并吃掉它。

让我们讨论AP / CP的区别。

AP -当有网络分区时，让独立的部分自由运行。

CP——当存在网络分区时，关闭节点或禁止读写，这样就会出现确定性故障。

我喜欢能两者兼顾的架构，因为有些问题是AP问题，有些是CP问题，而有些数据库可以两者兼顾。在CP和AP解决方案中，也有一些微妙之处。

例如，在AP数据集中，您可能同时存在不一致的读取和生成写入冲突-这是两种不同的AP模式。您的系统是否可以配置为具有高读可用性但不允许写冲突的AP ?或者您的AP系统可以接受写入冲突，具有强大而灵活的解决系统?你最终需要两者吗，或者你可以选择一个只做其中一个的系统?

在CP系统中，小分区(单个服务器)的不可用性有多少?更大的复制会增加CP系统中的不可用性，系统如何处理这些权衡?

这些都是CP和AP要问的问题。

现在在这个领域有一个很好的阅读是Brewer的“12年后”的帖子。我相信这将清晰地推进CAP辩论，并强烈推荐它。

http://www.infoq.com/articles/cap-twelve-years-later-how-the-rules-have-changed

简单的CAP定理指出，分布式系统不可能同时提供所有三个保证:

一致性

每个节点同时包含相同的数据

可用性

每次必须至少有一个节点可用以提供数据

分区容忍

系统的故障是非常罕见的

大多数情况下，每个系统只能保证至少两个特性:CA、AP或CP。

我找了很多环节，但是没有一个环节能给我满意的答案，只有一个环节。

因此，我用非常简单的语言描述CAP。

Consistency: Must return same Data, regardless to from which node is it coming. Availability: Node should respond (must be available). Partition Tolerance: Cluster should respond (must be available), even if there is a a partition (i.e. network failure) between nodes. ( Also one main reason it confuses more is bad naming convention of it. If I had right, I might have given DNC theorem instead: Data Consistency, Node Availability, Cluster Availability, where each corresponds to Consistency, Availability and Partition Tolerance respectively )

CP数据库:CP数据库以牺牲可用性为代价提供一致性和分区容忍。当任意两个节点之间发生分区时，系统必须关闭不一致的节点(即使其不可用)，直到分区被解决。

AP数据库:AP数据库提供了可用性和分区容忍，但牺牲了一致性。当分区发生时，所有节点仍然可用，但那些在分区错误一端的节点可能返回比其他节点更旧的数据版本。(当分区被解析时，AP数据库通常会重新同步节点，以修复系统中的所有不一致。)

CA数据库:CA数据库提供跨所有节点的一致性和可用性。但是，如果系统中的任意两个节点之间存在分区，则无法做到这一点，因此无法提供容错功能。在分布式系统中，分区是不可避免的。因此，虽然我们可以在理论上讨论CA分布式数据库，但出于所有实际目的，CA分布式数据库可以存在，但不应该存在。

因此，这并不意味着如果需要，就不能为分布式应用程序提供CA数据库。许多关系数据库，如PostgreSQL，提供一致性和可用性，并可以使用复制部署到多个节点。

来源:https://www.ibm.com/cloud/learn/cap-theorem

Brewer's keynote, the Gilbert paper, and many other treatments, places C, A and P on an equal footing as desirable properties of an implementation and effectively say 'choose two!'. However, this is often considered to be a misleading presentation, since you cannot build - or choose! - 'partition tolerance': your system either might experience partitions or it won't. CAP is better understood as describing the tradeoffs you have to make when you are building a system that may suffer partitions. In practice, this is every distributed system: there is no 100% reliable network. So (at least in the distributed context) there is no realistic CA system. You will potentially suffer partitions, therefore you must at some point compromise C or A.

https://github.com/henryr/cap-faq#10-why-do-some-people-get-annoyed-when-i-characterise-my-system-as-ca