zookeeper集群中leader负责监控集群状态，follower主要负责客户端链接获取服务列表信息，同时参与投票。

zookeeper中CAP原则

CAP原则又称CAP定理，指的是在一个分布式系统中，一致性（Consistency）、可用性（Availability）、分区容错性（Partition tolerance）。CAP 原则指的是，这三个要素最多只能同时实现两点，不可能三者兼顾。

中文名CAP原则外文名CAP Principle学    科计算机科学
一致性（C）：在***分布式系统***中的所有数据备份，在同一时刻是否同样的值。（等同于所有节点访问同一份最新的数据副本）

可用性（A）：在集群中一部分节点故障后，集群整体是否还能响应客户端的读写请求。（对数据更新具备高可用性）

分区容忍性（P）：以实际效果而言，分区相当于***对通信的时限要求***。系统如果不能在时限内达成数据一致性，就意味着发生了分区的情况，必须就当前操作在C和A之间做出选择。
主机-----------------IP:端口--------------从机

0														2				2秒（timeout 3-5秒）

任何一个分布式系统都要满足分区容错性	P
3个节点		1个宕机，不能不同数据！！！

所以只有AP或者CP，不能同时实现CAP



zookeeper满足cp原则

说明：zookeeper在进行数据的同步时（C一致性 Leader-follower），不允许客户端读写，程序堵塞。

***zookeeper称为强一致性！！！***（担心数据不一致）

AP

3台 宕机两台 Eureka还剩一台也可以运行（Eureka是springboot的一个注册中心，zookeeper是dubbo框架的）

什么是CAP理论？

CAP原则又称CAP定理，指的是在一个分布式系统中，一致性（Consistency）、可用性（Availability）、分区容错性（Partition tolerance）。CAP 原则指的是，这三个要素最多只能同时实现两点，不可能三者兼顾

CAP分别是什么？

一致性(Consistency) (所有节点在同一时间具有相同的数据)

可用性(Availability) (保证每个请求不管成功或者失败都有响应)

分区容错性(Partition tolerance) (系统中任意信息的丢失或失败不会影响系统的继续运作)
AP:


CP:

首先我们来看下什么是CAP，关于CAP原则的文章在网络上有很多，比如下面这段文字：

CAP原则又称CAP定理，指的是在一个分布式系统中， Consistency（一致性）、Availability（可用性）、Partition tolerance（分区容错性），三者不可得兼。

一致性（C）：在分布式系统中的所有数据备份，在同一时刻是否同样的值。（等同于所有节点访问同一份最新的数据副本）

可用性（A）：保证每个请求不管成功或者失败都有响应。

分区容忍性（P）：系统中任意信息的丢失或失败不会影响系统的继续运作。

以上内容摘自百度百科
CAP的C，一致性
一致性就是在分布式系统中，某个客户端对一个值进行更改后，其他客户端总是获取到最新更改过的值，而不是没有更改的老值。由于在分布式系统中，客户端读取值所访问的服务实例和客户端更新值所访问的服务实例会不同，所以在某个值由一个客户端发起更新后，分布式系统需要将更新结果从客户端访问的实例同步到其他所有实例去，为了保证一致性，在同步的过程中就不能让客户端从某个实例中读取该值，也就是造成短暂的不可用。

例如如下图所示的一个分布式系统：



在这个例子中，分布式系统有4个实例，分别是ServerA、ServerB、ServerC以及ServerD，他们共同对外提供服务，同时有两个客户端连接到这个分布式系统中。

假设现在ClientA通过ServerB更新了一个值A，同时ClientB通过ServerD来读取值A，这个过程如下图：



在保证一致性的系统中，步骤1、2、3一定是顺序执行的，在同步的过程中，ClientB是不能读取值的，它必须等待同步完成后才能获取到值A，或者给客户端返回一个获取值失败的结果。

所以为了保证一致性，必然降低可用性。
CAP的A，可用性
可用性就是客户端在任意时刻通过任意服务实例读写值都能成功且不需要等待。像上面这个例子，保证可用性的话，在同步的过程中，ClientB依然可以获取到值A，但是它获取到的值有可能因为从ServerB同步到ServerD还没完成，从而不是ClientA更新的值。

可用性关注的是分布式系统是不是能快速的对客户端的请求做出反应，显然要达到这样的目的，就不得不牺牲掉数据的一致性。
CAP的P，分区容错性
要理解分区容错性，首先要理解什么是分区。还是之前的那个分布式系统的例子，当某些未知的原因，导致在这个系统中，ServerA只能和ServerB互相通信，ServerC只能和ServerD互相通信，ClientA也只能和ServerA及ServerB通信，ClientB只能和ServerC及ServerD进行通信，这个时候我们就说这个分布式系统产生了两个分区。



分区不容错，就是在产生分区的时候，各个分区都不能对外提供服务。像这个例子中，ClientA通过ServerB访问分布式系统，ServerB发现访问不到ServerC和ServerD了，就认为系统发生了故障，这个时候就给ClientA返回一个错误，告诉它“我现在找不到C、D了，我不能为你提供服务”，同样的ClientB也会在访问这个分布式系统时得到相同的结果。
具有分区容错性的话，在产生分区的时候，各个分区将各自对外提供服务。像这个例子中，ClientA通过ServerB访问这个分布式系统，ServerB同样发现ServerC和ServerD访问不到了，但它将不再在意ServerC和ServerD的意见了，它只需要问问ServerA的意见，然后就成功给ClientA返回结果。同样的ClientB在通过ServerD访问这个分布式系统也能成功得到结果，这个结果只征询了ServerC和ServerD的意见，不会在意ServerA和ServerB的意见。

以上就是我对CAP理论的一些认识，有不妥之处还望指正。

官方说法

CAP原则又称CAP定理，指的是在一个分布式系统中， Consistency（一致性）、 Availability（可用性）、Partition tolerance（分区容错性），三者不可得兼。

一致性（C）：在分布式系统中的所有数据备份，在同一时刻是否同样的值。（等同于所有节点访问同一份最新的数据副本）

可用性（A）：在集群中一部分节点故障后，集群整体是否还能响应客户端的读写请求。（对数据更新具备高可用性）

分区容忍性（P）：以实际效果而言，分区相当于对通信的时限要求。系统如果不能在时限内达成数据一致性，就意味着发生了分区的情况， 必须就当前操作在C和A之间做出选择。

CAP原则的精髓就是要么AP，要么CP，要么AC，但是不存在CAP。如果在某个分布式系统中数据无副本， 那么系统必然满足强一致性条件， 因为只有独一数据，不会出现数据不一致的情况，此时C和P两要素具备，但是如果系统发生了网络分区状况或者宕机，必然导致某些数据不可以访问，此时可用性条件就不能被满足，即在此情况下获得了CP系统，但是CAP不可同时满足

因此在进行分布式架构设计时，必须做出取舍。当前一般是通过分布式缓存中各节点的最终一致性来提高系统的性能，通过使用多节点之间的数据异步复制技术来实现集群化的数据一致性。通常使用类似 memcached 之类的 NOSQL 作为实现手段。虽然 memcached 也可以是分布式集群环境的，但是对于一份数据来说，它总是存储在某一台 memcached 服务器上。如果发生网络故障或是服务器死机，则存储在这台服务器上的所有数据都将不可访问。由于数据是存储在内存中的，重启服务器，将导致数据全部丢失。当然也可以自己实现一套机制，用来在分布式 memcached 之间进行数据的同步和持久化，但是实现难度是非常大的

通俗说法
Consistency(一致性), 数据一致更新，所有数据变动都是同步的

Availability(可用性), 好的响应性能
Partition tolerance(分区容忍性) 可靠性
在网上看了很多资料，这里给出自己的简单理解
C：一致性，就是说所有的服务器上面的数据都是一样的，（只有一个服务器）
A：可用性，用户访问服务器上面的数据，响应时间在可以接受的范围内（不需要等待）
P：分区容忍性，其实就是高可用性，一个节点崩了，并不影响我们其它的节点（多台服务器）
现在开始分析：
1：满足C，所有的机器上的数据都是一样，这样的情况下会有什么需求呢？每当一个新数据新增到其中一个服务器上，这个数据要同步到其它服务器，这样的情况下才可以保证C
2：满足A，这样的情况下会有什么需求呢？用户随时都在访问，都能在可控的时间内返回正确的数据
3：满足P，非常可靠，怎么能可靠呢？那必须是机器越多越可靠，为啥？我有1亿台服务器，挂了几万台，完全没影响嘛。
现在我们对这几个理论有了一定的了解，现在开始分析为啥只能同时满足两个
1：满足C和A，那么P能不能满足呢？
满足C需要所有的服务器的数据要一样，也就是说要实现数据的同步，那么同步要不要时间？肯定是要的，并且机器越多，同步的时间肯定越慢，这里问题就来了，我们同时也满足了A，也就是说，我要同步时间短才行。这样的话，机器就不能太多了，也就是说P是满足不了的
2：满足C和P，那么A能不能满足呢？
满足P需要很多服务器，假设有1000台服务器，同时满足了C，也就是说要保证每台机器的数据都一样，那么同步的时间可就很大，在这种情况下，我们肯定是不能保证用户随时访问每台服务器获取到的数据都是最新的，想要获取最新的，可以，你就等吧，等全部同步完了，你就可以获取到了，但是我们的A要求短时间就可以拿到想要的数据啊，这不就是矛盾了，所以说这里A是满足不了了
3：满足A和P，那么C能不能满足呢？
满足P的话，需要多台服务器，而满足C的话，只有一台服务器才可以满足，这和P矛盾。