事物中的所有动作要么全部成功，要么全部失败。因为只有这样，数据才能在逻辑上保持一致。

比如，当账户流水中记录了一笔流水，那么相应的账户余额也应产生变化。如果没有，那么数据就产生的逻辑上的不一致。

相互逻辑关联的数据在逻辑上的一致性。

不同事物之间，各自事物内部对数据的变更，应该不影响其他事物。

数据最终应该进行持久化

假设我们有一个数据库为分布式系统中的其他节点提供数据服务，现在它由于某些原因无法为其他节点服务，那么此时整个网络被切分成了两个区域，这里的区域就是分区。 分区产生时，如果整个系统无法再正常对外提供服务，那么就说这个系统不存在分区容错。因此为了能够分区容错，我们需要添加一个数据库镜像（如mysql中的主从）。 而镜像越多，分区容错能力就越强。

可以看到，这里的分区容错性指的就是平时我们所说的高可用性。

随着镜像添加的越多，也就是分区容错的加强，系统的响应速度必然会受到影响，这个性能就是可用性。

这里的一致性，指的是当有一个或多个镜像时，为了保持它们之间的数据一致，需要时间对它们的数据进行同步，因此会出现一个数据不一致的时间窗口。

cap(镜像个数，性能，不同步时间窗口长短)只能同时满足两个， 如：

当P(镜像个数)保持不变时，如果想要减少C（不同步时间窗口），那么只能是采取在数据被修改后，直到全部节点都完成同步，才能再次提供服务，显然这样A（性能）会降低。

其他同理

可以看到，P应该是任何一个分布式系统必须要满足的特征，因此一般对C和A进行取舍。

当消息被切断时，“一致的”（CP）系统会拒绝某些节点的请求，以保持线性一致性。“可用的”（AP）系统虽然能够处理所有节点上的请求，但必须牺牲线性一致性，因为不同的节点对于操作的顺序可能会产生不同意见。当网络情况良好时，系统可以保证一致性与可用性，但由于真实的网络中总会产生分区，因此不存在能够完全做到“一致且可用”（CA）的系统