CAP 理论

CAP理论是分布式系统理论中的一个重要概念，它阐述了在分布式计算环境中，一致性（Consistency）、可用性（Availability）和分区容错性（Partition Tolerance）三者之间的权衡关系。

• C（Consistency）是一致性，指的是多个节点上的数据副本必须保持一致，即系统的状态在任何时刻都是一致的

注意此处的 C 是强一致性

• A（Availability）是可用性，指的是系统必须在任何时候都能够相应客户端请求，即系统一直处于可用状态

• P（Partition Tolerance）是分区容错性，指的是系统在遇到网络分区故障时仍然能够保持正常的工作，即系统能够容忍任意数量的消息丢失或网络分区。

CAP 的核心理论思想就是说，一个分布式系统最多只能同时满足上述三种特性中的两个，无法同时满足所有的三个特性

• 要么不发生网络分区，也就是选择CA，放弃分区容错性，适用于小规模的集中式系统

• 要么当发生网络分区时，

  • 要么保证可用性，放弃一致性，允许节点处理请求并返回不一致的结果，也就是选择AP，适用于对数据实时性要求比较高的系统，互联网上的系统大多是如此，比如社交网络
  • 要么保证一致性，放弃可用性，暂停服务指导网络分区恢复，也就是选择CP，适用于对数据一致性要求高的系统，比如金融交易系统

但不管如何权衡，我们都无法彻底放弃一致性，如果真的放弃一致性，那么就说明这个系统的数据根本不可信，数据也就没有意义

所以退而求其次，互联网绝大多数场景，会选择最终一致性，只要这个最终时间是在用户可接受的范围即可

BASE 理论

• 基本可用（Basically Available），指分布式系统在出现不可预知 故障的时候，允许损失部分可用性

• 软状态（Soft state），指允许系统中的数据存在中间状态，并认为该中间状态的存在不会影响系统的整体可用性

• 最终一致性（Eventually consistent），强调是所有的数据更新操作，在经过一段时间同步后，最终都能够达到一个一致的状态，而不需要实时保证系统数据的强一致性

BASE 理论是对CAP理论的延伸，核心思想就是即使无法做到强一致性，但应用可以采用适合的方式达到最终一致性

BASE 理论面向的是大型高可用可扩展的分布式系统，和传统的数据库事务ACID 特性是相反的

刚性事务满足 ACID 理论，柔性事务满足 BASE 理论，追求基本可以、最终一致