理解CAP是什么？
-
C Consistency 一致性
有集群cluster，如果有客户端对cluster进行了写操作，改变了cluster中的数据，则后面的客户端请求再次访问请求时，cluster返回给客户端的是最新的数据。
也可以理解为cluster中，每个节点都保存了一份数据副本，当有客户端对集群进行了写操作，或者因为其他原因，集群的状态改变了，这些写操作或者状态的改变，必须同步到cluster中的每个节点，才能保证集群中每个节点的数据副本是一致的。 -
A Availability 可用性
-
P Partition Tolerance 分区容错性
分布式环境中，部分节点因为网络原因彼此失联后，即与其他节点形成网络分区时，系统仍然能够正确地提供服务的能力。
AP和CP
业界已有理论证明，对于CAP，只能满足其中的两个，又因为在分布式环境中，我们使用分布式的方式构建系统，有一个非常重要的原因是提高可用性，所以P（分区容错性）是需要满足的，对于剩下的A和C，我们只能选择性地满足一个。
Eureka、Nacos、Zookeeper、Redis是CP和AP中的哪种应用？
这篇文章着重讨论业界的一些比较出名的应用都是CP和AP中的哪一种应用，比如注册中心Eureka、Nacos、Zookeeper，NoSql数据库Redis
先给出结论，后面再单独地对每种应用为什么是CP或者AP做出详细阐述，以及使用的分布式协议做简单讲解。
Eureka
Eureka是AP模式的应用，具有高可用性，客户端在任何时候，都可以向Eureka集群中的任何节点获取到服务列表，但不表征数据的强一致性，所以消费者可能会拿到过期的服务列表。
Eureka集群的节点之间，采用对等复制的方式来实现数据的同步，也就是说每个节点都可以对客户端的写请求进行响应，不存在写压力瓶颈。这种数据同步方式，叫做Peer to Peer，每个节点之间的关系是对等和公平的。
Zookeeper
作为注册中心时，是CP型的应用。使用ZAB协议来保证节点之间的数据的一致型。
ZAB是 Zookeeper Atomic Broadcast的缩写，叫做Zookeeper原子广播协议。
待对ZAB协议进行补充。
Nacos
Nacos做了兼容，服务在向Nacos进行注册时，可以选择注册成AP或者CP，可以通过ephemeral选型进行设置。
- AP
当表现为AP型的应用时，使用Nacos自己实现的Distro协议来实现节点之间的数据同步，并且每个节点都可以对客户端进行响应，这种协议的特点是Nacos cluster中的每个节点负责处理一部分客户端节点的注册，具体的客户端和cluster节点的对应关系，由集群中的前置filter节点决定，然后将写请求转发到对应的Distro节点，Distro节点处理完成后，会将该数据同步到其他Distro节点。
当读请求到来时，加入是B节点处理读请求，由于每个节点理论上（注意是理论上）都缓存了全量数据，所以会直接将本地数据返回给客户端。但是之前有一次请求是A处理的，但是A节点的数据还没有到达B节点，这时候B节点返回给客户端的数据就是过期数据。
通过上述例子，我们可以感受到AP模式，写并发很高，因为每个节点都可以处理请求，读响应也很快，但是有可能会让客户端获取到过期数据。 - CP
当表现为CP模式时，使用的是简化版的Raft协议在集群之间进行数据同步。
Raft协议中，集群中的节点表现为以下三种角色中的一种：
– Leader：负责Client交付和log复制，同一时刻中，集群中最多存在1个。
– Follower：被动响应请求RPC，从不主动发起请求RPC（RPC概念后面补充）。
– Candidate：一种临时的角色，只存在于leader的选举阶段，某个节点想要变成leader，就需要leader主动发起投票请求，同时将自己的状态从fallower转变为Candidate。如果选举通过，则自己变成leader。如果其他节点成为leader，则当前节点变位Follower。
在选举过程中，在同一个term中（一个任期内），按照先到先得，且只会投票给一个候选人，且候选人的log至少需要和自己一样新。
选举出loader之后，由leader处理客户端的写请求。当leader收到客户端的写请求后，通过heatbeat将该Entry同步给其他Follower，Folower收到日志后记录日志，然后想Leader发送ACK，当Leader收到半数以上的Follower的ACK消息后，就会通知所有Follower将该日志存储到自己的磁盘。
从上述过程中可以看到，CP型的Nacos的Leader选举过程非常中，需要选举出leader，由leader处理客户端的写请求，客户端的写请求操作都几乎需要集群中的所有节点响应后，才能返回给客户端，响应速度比AP模式慢。写请求都要经过leader，leader是写并发能力的瓶颈。
可以看出，CP模式在保持数据的强一致性的同时，牺牲了响应速度和写并发能力。
Redis哨兵和Redis集群
我的理解是AP，因为Redis哨兵的主从之间和Redis集群中的主从之间，采用的是异步复制数据的方式，当客户端对主节点进行数据写入操作，再次请求时，请求到达从节点，如果写请求没有被同步到从节点，从节点对客户端响应的就是过期的数据。
所以，主从之间，不是强一致的，而是弱一致性，最终一致。
但是，当某个主节点挂了之后，该主节点剩余的从节点就会进行leader选择，这时使用的是raft协议进行leader的选择，就是强一致性的协议，leader的选举过程是CP的。
综上，Redis哨兵和Redis集群对外提供服务时，是AP型的应用。在leader选举的过程中，是CP的。（CP这个描述可能不太对，是我自己的理解）
总结和理解
对于AP行的注册中心，每个节点都可以对客户端的请求进行响应。而对于CP型的注册中心，只能由leader对客户端进行响应。
AP型应用的写请求响应时间更快、写并发能力更强，但是客户端获取到的可能是过期的数据，有数据一致性问题。
CP型的应用的写请求响应时间慢，写并发能力弱，但是客户端获取到的是最新的数据，没有数据一致性问题。