为什么CAP理论在舍弃P的情况下，可以有完美的CA？

分布式系统是通过网络互联的，不保证P很难叫分布式系统，所以P必然被实现。剩下CA选择其一。

埃里克·布鲁尔在前后两版文章中的解释有些差别。简单介绍一下P和两版的差别应该更容易理解。最后再说明原因。

分区容忍性（Partition Tolerance）

第一版解释：

System continues to work despite message loss or partial failure.

翻译：出现消息丢失或者分区错误时系统能够继续运行。

第二版解释：

The system will continue to function when network partitions occur.

翻译：当出现网络分区后，系统能够继续“履行职责”。

主要差异点表现在：

第一版描述分区用的是 message loss or partial failure，第二版直接用 network partitions。

对比两版解释，第一版是直接说原因，即 message loss 造成了分区，但 message loss 的定义有点狭隘，因为通常我们说的 message loss，只是网络故障中的一种；第二版直接说现象，即发生了分区现象，不管是什么原因，可能是丢包，也可能是连接中断，还可能是拥塞，只要导致了网络分区，就通通算在里面。

虽然 CAP 理论定义是三个要素中只能取两个，但放到分布式环境下来思考，我们会发现必须选择P要素，因为网络本身无法做到 100% 可靠，有可能出故障，所以分区是一个必然的现象。如果我们选择了 CA 而放弃了 P，那么当发生分区现象时，为了保证 C，系统需要禁止写入，当有写入请求时，系统返回 error（例如，当前系统不允许写入），这又和 A 冲突了，因为 A 要求返回 no error 和 no timeout。因此，分布式系统理论上不可能选择 CA 架构，只能选择 CP 或者 AP 架构。

首先看下 CAP 的定义：

一致性（Consistency）：每次读取要么获得最近写入的数据，要么获得一个错误。
可用性（Availability）：每次请求都能获得一个（非错误）响应，但不保证返回的是最新写入的数据。
分区容忍（Partition tolerance）：尽管任意数量的消息被节点间的网络丢失（或延迟），系统仍继续运行。

所谓舍弃 P，其实是不准确的，应该是说不考虑发生分区的情况，也就是说系统中每个节点都可以正常的通信，这里的正常包括：

• 正确性：节点间的消息总是能正确互达
• 时效性：在一定的时间内，消息就可以到达

此时，系统内部无论是采用什么算法，2PC/3PC、Paxos、M/S，M/M 整个系统总是可以达到一致状态的，具体怎么达成一致，是算法内部涉及的问题

至于可用性，因为系统的状态总是可以在预期的时间内收敛，所以我们可以说此时 A 也是可以被满足的。

然而，在分布式系统中，我们需要假设 P 是常态，所以一般的分布式系统在发生分区，总是在通过各种方式在 C 和 A 中做一个妥协：

CP without A：当发生分区的时候，节点之间的通信出现问题，各个节点的数据和状态无法收敛，这种系统会为了数据一致性，让整个系统陷入不可用，防止出现数据不一致，常见的比如银行系统

AP without C：当发生分区的时候，保证系统可用性，而不追求数据的一致性，极端的情况就是每个节点都成了孤岛，各自使用本身能获取到的数据对外提供服务。常见的比如在线即时游戏，出现各种问题的时候，并不需要考虑 30s 之前画面是什么，只需要你当前的请求能够得到响应即可