CAP定理

CAP定理，也称为布鲁尔定理（Brewer’s Theorem），是分布式系统设计中的一个基本原理。它指出在分布式系统中，一致性（Consistency）、可用性（Availability）和分区容忍性（Partition tolerance）三个要素中，任意时刻只能满足其中的两个。

图文解释

在分布式系统中，由于网络分区（P）的存在，我们只能在一致性（C）和可用性（A）之间做出选择。以下是CAP定理的图解：

      +-------+      vs      +-------+
      |       |            |       |
C  ----|  一致性|            |  可用性|---- A
      |       |            |       |
      +-------+      vs      +-------+

CP和AP对比：ZK和Eureka

ZK（ZooKeeper）- CP模型

ZooKeeper遵循CP原则，即在网络分区发生时，为了保证一致性，可能会牺牲可用性。当ZooKeeper集群中的Master节点因为网络问题与其他节点失去联系时，会进行Leader选举，期间整个集群可能不可用，直到选出新的Leader。

Eureka - AP模型

Eureka遵循AP原则，即在网络分区发生时，为了保证可用性，可能会牺牲一致性。Eureka允许服务实例注册信息在一段时间内是陈旧的，但仍然可以对外提供服务，即使某些实例可能已经下线。

BASE理论

BASE理论是对CAP理论中AP方案的一个补充，它强调基本可用（Basically Available）、软状态（Soft state）和最终一致性（Eventually consistent）。

图文解释

BASE理论的核心可以用以下图表表示：

      +----------------+     +----------------+     +----------------+
      |                |     |                |     |                |
B  ----|  基本可用(BA)   |     |  软状态(SS)     |     |  最终一致性(EC) |
      |                |     |                |     |                |
      +----------------+     +----------------+     +----------------+

在实际应用中，比如电商购物车系统，用户可以将商品添加到购物车，然后进行结算和支付。这涉及到对购物车中商品数量、价格等数据的操作和更新。为了确保数据的最终一致性，可以采取以下措施：在用户操作后，通过异步消息队列更新库存和订单信息，确保在系统出现故障时，数据最终能够达到一致状态。

下面是springboot，springCloudalibaba等视频地址

<!-- springboot，springboot整合redis，整合rocketmq视频： -->
https://www.bilibili.com/video/BV1nkmRYSErk/?vd_source=14d27ec13a4737c281b7c79463687112

<!-- springcloudalibaba，openfeign，nacos，gateway，sso视频：-->
https://www.bilibili.com/video/BV1cFDEYWEkY/?vd_source=14d27ec13a4737c281b7c79463687112

<!-- vue+springboot前后端分离视频：-->
https://www.bilibili.com/video/BV1JLSEYJETc/?vd_source=14d27ec13a4737c281b7c79463687112

<!-- shiro视频：-->
https://www.bilibili.com/video/BV1YVUmYJEPi/?vd_source=14d27ec13a4737c281b7c79463687112