CAP原理还记得不
C：一致性
A：可用性
P：分区容错性
C代表的是强一致性，A代表的是可用性，P代表某个分区出问题的时候整个集群依然可用。
为什么说金属发展的进步就是从CP到AP呢？
因为C会消耗相当大的资源，在大数据高并发的情况下，集群则会给业务更多的支撑，但集群最怕的敌人则是强一致性，尤其是replicate的模式下，所有集群的副本相同的情况下，性能的损耗会是巨大的。举个例子，我们有一个集群分别是A、B、C、D、E，每个集群下都有全量的副本，集群的目的是为了减少读取压力，让读取分散到五个实例上。那么，当A中添加了一条数据后，需要通知其他四个实例，并且，确定四个实例都没有问题之后，返回给A，告知实例同步结束，整个集群才会变成可用的。这中间是有几种情况的：
方案1：A同步到B、C、D、E上的时候，A是否可用，也就是说，A是有全量数据的，BCDE是没有的，这时我们是否可以让A对外提供服务，而BCDE在接收全量数据之前，对外隐藏，也就是说此时整个实例可用，有且只有A对提供服务，这样会不会很好？既解决了时效性，有让集群高度可用呢？实际上这里有一个隐藏的风险，A在同步数据的时候，是有IO输出的，而这个过程如果出现大量的读写操作，IO资源会被强占，会出现阻塞；也就是说，外界的IO会给A造成不稳定因素，会导致A同步其他实例出现大量延时，或者，读取速度很慢，最坏的情况，A会崩溃，丢掉这次读写的所有数据。
方案2：A同步到B、C、D、E上的之前，整个集群不可用。好处是集群会比较稳定，保持强一致性，坏处显而易见，在这个过程中，集群不会对外提供服务，暂不可用，这就是做到了C，就无法做到A了。例如：ZK
方案3：A同步到B，当确定A到B同步完成后，A对外提供服务，B异步同步到C、D、E上，做到最终一致性。这样的好处是，A同步到B的稳定性要远远好于同步到所有的集群，把风险降维1/N，只需要选择一台网络通信性能最好的作为B，由B完成所有的同步，当同步完成时，实例唤醒，对外提供服务。MYSQL目前默认采用这种方案。
上面三种方案，其实都是在描述如何提供一个CP的集群方案，但实际上，这里的CP并不是纯粹的CP，内部通过AP完成了这种集群的同步机制。
随着互联网的发展，replicate的方案越来越少，sharding分片的方案会越来越多，而高可用的集群，则会采用 sharding + replicate的方式（1主2从），但万变不离其宗，无非都是通过类似的方式来达到同步的效果。
但业务上，我们不可能去写把业务中的表去打造成这种高可用的模式，所以，我们在业务上，会考虑把更多的同步改成异步，把CP改造成AP，把强一致性改成最终一致性。
比如：支付的场景，支付成功后，需要等待回调，因为回调的延时我们是无法控制的，因此一般的公司会用状态机去维护这个状态来重试，保证最终执行成功。
还有个例子，我们为了让业务支持高并发，会尽可能的把同步改造成异步，也就是说，除非是强依赖的前后调用，否则我都会用异步的方式解决，常用的异步有两种方式，mq和异步线程（目前可用hystrix来优雅的编写异步线程的事件）。
举一个实际业务上的例子，商品详情页，我们从业务上分析，商品详情页必要的属性是哪些，也就是说，没有这些属性，商品详情页根本没必要展示；那我列举一下：商品库存、商品价格这两个起码是必须的；而商品图片、名称、描述这些就算没有，只要我能保证用户下单成功，那它就不是强依赖因素，因此，我们会在商品详情页获取价格、库存，如果获取失败，直接抛异常交给上层捕捉；而商品图片、描述、名称这些，我们通过异步线程(hystrix)去并发去访问，设定1s的响应时间，也就是说，我只等1s，如果1s你还不给我，我就认为返回的是null。这样，就是一个非常高效的接口。
这样的业务场景其实非常有意思，值得我们去更多的思考，以后我会和大伙分享越来越多的这样的应用，另外这个文章缺图，我有点懒得画图，下次有机会我再补上。
转载于:https://www.jianshu.com/p/7c6d0a1ef5d1