CAP是架构设计理论中比较有名的一套。这里分享一下我对这个理论的浅薄理解。
C: 一致性，同一个客户端写入存储系统数据后。
如果能够立即读取到刚刚写入的数据，这个叫强一致性即所有节点同一时间看到是相同的数据；
如果不能立即而是要等一段时间则是弱一致性。
A：可用性，如果一个节点失效了，不管客户端的请求是否是否完全执行成功，能够确保每一个请求都能接收到响应。也就是不会返回error，内存溢出等报错。写入失败，就返回失败，读取最新数据失败，就返回旧有数据，这两种情况都算可用。
P：当分布式系统的部分节点和其他节点网络不通时，出现网络分区。这时网络通畅的节点仍然能够提供读写一致性和可用性
A和P的区别：A强调节点挂掉，P强调网络不通。
看了阿里的那边《大规模分布式存储原理解析与架构实战》后，感觉自己写的一套分布式系统，只有用zk实现一个读写锁，节点拆分多个可以并行，服务可扩展而已，这么简单，很多工作一两年的人都想得到。自己还沾沾自喜。
我的理解，真正的分布式系统应该首先是高性能并且可扩展，其次高可用或者强一致二者取其一。
要满足这个目标，要有大量的逻辑来实现故障检测，副本同步，分布式协调，可扩展。
spark应该算是AP架构，
HDFS算AP架构，
msyql主从集群算AP架构，
arangodb，mongodb当副本同步使用默认的异步方式时，就是AP架构，否则是CP架构