什么是CAP原则
CAP原则又称CAP定理，指的是在一个分布式系统中，Consistency（一致性）、 Availability（可用性）、Partition tolerance（分区容错性），三者不可兼得。
CAP由Eric Brewer在2000年PODC会议上提出。该猜想在提出两年后被证明成立，成为我们熟知的CAP定理。
C 数据一致性(Consistency)：也叫做数据原子性系统在执行某项操作后仍然处于一致的状态。在分布式系统中，更新操作执行成功后所有的用户都应该读到最新的值，这样的系统被认为是具有强一致性的。等同于所有节点访问同一份最新的数据副本。
A 服务可用性(Availablity)：每一个操作总是能够在一定的时间内返回结果，这里需要注意的是"一定时间内"和"返回结果"。一定时间内指的是，在可以容忍的范围内返回结果，结果可以是成功或者是失败。
P 分区容错性(Partition-torlerance)：在网络分区的情况下，被分隔的节点仍能正常对外提供服务(分布式集群，数据被分布存储在不同的服务器上，无论什么情况，服务器都能正常被访问)
定律：任何分布式系统只可同时满足二点，没法三者兼顾。
因此，根据CAP原理将NoSQL数据库分成了满足CA原则、满足CP原则和满足AP原则三大类:
CA，放弃P：如果想避免分区容错性问题的发生，一种做法是将所有的数据(与事务相关的)都放在一台机器上。虽然无法100%保证系统不会出错，单不会碰到由分区带来的负面效果。当然这个选择会严重的影响系统的扩展性。单点集群，满足一致性，可用性的系统，通常在可扩展性比较差。
CP，放弃A：相对于放弃"分区容错性"来说，其反面就是放弃可用性。一旦遇到分区容错故障，那么受到影响的服务需要等待一定时间，因此在等待时间内系统无法对外提供服务。满足一致性,分区容忍必的系统，通常性能不是特别高。
AP，放弃C：这里所说的放弃一致性，并不是完全放弃数据一致性，而是放弃数据的强一致性，而保留数据的最终一致性。以网络购物为例，对只剩下一件库存的商品，如果同时接受了两个订单，那么较晚的订单将被告知商品告罄。满足可用性，分区容忍性的系统，通常可能对一致性要求低一些。
AP(Eureka)
AP架构：当网络分区出现后，为了保证可用性,系统B可以返回旧值,保证系统的可用性。结论:违背了一致性C的要求，只满足可用性和分区容错,即AP。
CP(Zookeeper / Consul)
CP架构：当网络分区出现后，为了保证一致性,就必须拒接请求，否则无法保证一致性。结论:违背了可用性A的要求，只满足一致性和分区容错，即CP
各种注册中心比较：
