CAP 选型速查手册

CAP 选型速查手册
一、核心原则回顾
CAP 理论：分布式系统中，一致性（C）、可用性（A）、分区容忍性（P） 三者不可兼得，必须三选二。
在分布式场景下，分区容忍性（P）是必选项，因此实际选型只需在 CP（一致性 + 分区容忍性）与 AP（可用性 + 分区容忍性）之间做权衡。
二、选型决策树（按步骤判断）
判断是否需要分布式架构
✅ 是（海量数据 / 高并发）→ 进入分布式场景，必须满足 P
❌ 否（小规模 / 低并发）→ 优先选择传统关系型数据库（CP 模型）
在分布式场景下选择 CP/AP
✅ 业务需要强一致性（如金融交易、库存扣减）→ 选 CP 模型
❌ 业务可接受最终一致性（如社交动态、商品评论）→ 选 AP 模型
细化产品选择
CP 模型：
实时强一致场景 → Redis（主从模式）、Neo4j（单节点）
离线批量场景 → HBase
AP 模型：
灵活数据结构场景 → MongoDB、CouchDB
高写入性能场景 → Cassandra、DynamoDB
三、避坑清单（关键风险提示）
❌ 禁止追求三者兼顾：分布式系统无法同时满足 CAP 三个特性，先明确核心优先级再做取舍。
❌ 核心场景别选 AP：支付、库存等强一致场景必须选 CP，避免数据不一致导致业务损失。
❌ 不能忽视分区容忍性：网络故障是常态，必须保证系统在分区时仍能运行。
❌ 别混淆最终一致性与不一致：最终一致性是短暂状态，适合非核心业务场景。
❌ 要考虑未来变化：选择可动态配置或支持扩展的数据库，避免后期重构成本过高。
四、常见产品选型对照表
产品    CAP 选择    适用场景
Redis    CP（主从）/ 可配置为 AP    缓存、会话存储、高频读写
MongoDB    AP（副本集）/ CP（单节点）    内容管理、用户画像、灵活数据
HBase    CP    时序数据、日志存储、大数据分析
Cassandra    AP    物联网数据、用户行为轨迹
Neo4j    CP（单节点）/ AP（集群）    社交网络、知识图谱