分散式系統 CAP 理論深度解析：一致性、可用性與分區容錯的取捨

分散式系統 CAP 理論深度解析：一致性、可用性與分區容錯的取捨

CAP 理論是分散式系統設計的基石，由 Eric Brewer 於 2000 年提出，後經 Seth Gilbert 與 Nancy Lynch 證明。它指出分散式系統最多只能同時滿足三個特性中的兩個：

• C - Consistency（一致性）：所有節點在同一時間看到的資料相同，讀取操作保證返回最新寫入的資料。
• A - Availability（可用性）：每個非故障節點都必須在有限時間內對請求做出回應（成功或失敗），不保證資料是最新的。
• P - Partition Tolerance（分區容錯性）：當網路分區發生（節點間通訊中斷）時，系統仍能繼續運作。

為什麼 P 是必選項？

在分散式環境中，網路不可靠是常態：封包丟失、延遲、分區斷裂隨時發生。既然無法避免網路分區，系統必須具備 P 特性。因此實際選擇只在 CP 與 AP 之間。

CP 系統：一致性 + 分區容錯

特徵：網路分區時，為保證資料一致性，系統拒絕寫入或讀取請求，回傳錯誤或超時。

適用場景：

• 金融交易、庫存扣款等強一致性業務
• 配置管理、分散式鎖（ZooKeeper, etcd）
• 資料不可有臟讀、幻讀的場景

代表系統：HBase, Redis (單節點/哨兵), ZooKeeper, etcd, Consul (強一致模式)

AP 系統：可用性 + 分區容錯

特徵：網路分區時，系統持續接受讀寫請求，但可能返回舊資料（最終一致性）。

適用場景：

• 社交媒體動態、推薦系統、日誌收集
• 高併發讀寫、容忍短暫不一致的業務
• 多資料中心部署、地理分散系統

代表系統：Cassandra, DynamoDB, Riak, CouchDB, Redis Cluster (部分模式)

真實世界的權衡策略

1. 可調一致性

Cassandra、DynamoDB 允許在查詢層面指定一致性等級（QUORUM, ONE, ALL），在 CP 與 AP 之間動態平衡。

2. 業務分層

• 核心交易鏈路 → CP（強一致）
• 非核心查詢/展示 → AP（高可用）

3. 讀寫分離與快取

主庫 CP（同步複寫），從庫 AP（非同步複寫 + 快取），讀請求路由到從庫。

常見誤區澄清

延伸：PACELC 理論

CAP 僅討論分區發生時的選擇。PACELC 補充：即使沒有分區，系統也面臨 Latency（延遲） 與 Consistency（一致性） 的權衡（ELC）。

• PA/EC：分區時選可用，無分區時選一致性（如 DynamoDB）
• PC/EC：分區時選一致，無分區時選一致性（如 HBase, ZooKeeper）

架構師決策清單

1. 業務能否容忍「讀到舊資料」？→ 能 → AP，不能 → CP
2. 是否需要跨資料中心部署？→ 是 → 傾向 AP 或可調一致性
3. 寫入頻率與衝突率如何？→ 高衝突 → CP 較易推理
4. 團隊運維能力？→ CP 系統（ZooKeeper/etcd）運維複雜度較高