一、CAP理论概述

分布式领域中存在CAP理论，且该理论已被证明：任何分布式系统只可同时满足两点，无法三者兼顾。

① C：Consistency，一致性，数据一致更新，所有数据变动都是同步的。 ② A：Availability，可用性，系统具有好的响应性能。 ③ P：Partition tolerance，分区容错性。

一致性（C:Consistency）

在分布式环境中，一致性是指数据在多个副本之间是否能够保持数据一致的特性。在一致性的需求下，当一个系统在数据一致的状态下执行更新操作后，应该保证系统的数据仍然处于一致的状态。比如：分布式中2pc二阶段提交中的第二阶段就是需要第一阶段全部恢复ok了再猜执行commit。

① 强一致性（strong consistency）。任何时刻，任何用户都能读取到最近一次成功更新的数据。 ② 单调一致性（monotonic consistency）。任何时刻，任何用户一旦读到某个数据在某次更新后的值，那么就不会再读到比这个值更旧的值。 ③ 会话一致性（session consistency）。任何用户在某次会话中，一旦读到某个数据在某次更新后的值，那么在本次会话中就不会再读到比这值更旧的值。 ④ 最终一致性（eventual consistency）。用户只能读到某次更新后的值，但系统保证数据将最终达到完全一致的状态，只是所需时间不能保障。 ⑥ 弱一致性（weak consistency）。用户无法在确定时间内读到最新更新的值。

二、ZooKeeper提供的一致性服务

很多文章和博客里提到，zookeeper是一种提供强一致性的服务，在分区容错性和可用性上做了一定折中，这和CAP理论是吻合的。但实际上zookeeper提供的只是单调一致性。原因：

用分布式系统的CAP原则来分析Zookeeper： C: Zookeeper保证了最终一致性,在十几秒可以Sync到各个节点。 A: Zookeeper保证了可用性,数据总是可用的,没有锁.并且有一大半的节点所拥有的数据是最新的,实时的. 如果想保证取得是数据一定是最新的,需要手工调用Sync()。 P: 有2点需要分析的。 ① 节点多了会导致写数据延时非常大,因为需要多个节点同步。 ② 节点多了Leader选举非常耗时, 就会放大网络的问题. 可以通过引入 observer节点缓解这个问题。

参考： https://blog.csdn.net/yanpenglei/article/details/80362561 https://www.souyunku.com/2018/05/18/zookeeper/