CAP 定理（CAP theorem）

在计算机科学中，CAP 定理（CAP theorem）, 又被称作 布鲁尔定理（Brewer’s theorem）, 它指出对于一个分布式计算系统来说，不可能同时满足以下三点:

• 一致性 (Consistency) (所有节点在同一时间具有相同的数据)
• 可用性 (Availability) (保证每个请求不管成功或者失败都有响应)
• 分区容错性 (Partition tolerance) (系统中任意信息的丢失或失败不会影响系统的继续运作) CAP 理论的核心是：一个分布式系统不可能同时很好的满足一致性，可用性和分区容错性这三个需求，最多只能同时较好的满足两个。

因此，根据 CAP 原理将 NoSQL 数据库分成了满足 CA 原则、满足 CP 原则和满足 AP 原则三 大类：

• CA - 单点集群，满足一致性，可用性的系统，通常在可扩展性上不太强大。
• CP - 满足一致性，分区容忍性的系统，通常性能不是特别高。
• AP - 满足可用性，分区容忍性的系统，通常可能对一致性要求低一些。

CAP 理论的核心是：一个分布式系统不可能同时很好的满足一致性，可用性和分区容错性这三个需求，最多只能同时较好的满足两个。

主流系统有两种：

• CP 强一致性系统 （比如金融系统）
• AP 高可用性系统 （互联网系统）

分布式系统中的一致性是强一致性，要么一起成功，要么一起失败，势必会影响性能，一致性对性能的打击非常大，所以我们要考虑高性能，为了尽可能满足一致性，要将这个C强一致性转为弱一致性。所以就有了BASE理论，基于CAP定理，主要讲的是数据一致性，数据同步的问题。

BASE理论

BASE：Basically Available, Soft-state, Eventually Consistent。 由 Eric Brewer 定义。

BASE理论是对CAP理论的延伸，核心思想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（Eventual Consistency）

• 基本可用（Basically Available）：基本可用是指分布式系统在出现故障的时候，允许损失部分可用性，即保证核心可用。电商大促时，为了应对访问量激增，部分用户可能会被引导到降级页面，服务层也可能只提供降级服务，这就是损失部分可用性的体现
• 软状态（Soft State）：软状态是指允许系统存在中间状态，而该中间状态不会影响系统整体可用性。分布式存储中一般一份数据至少会有三个副本，允许不同节点间副本同步的延时就是软状态的表现。MySQL Replication的异步复制也是一种体现。
• 最终一致性 （Eventual Consistency）：最终一致性是指系统中的所有数据副本经过一定时间后，最终能够达到一致的状态。弱一致性和强一致性相反，最终一致性是弱一致性的一种特殊情况。

分布式系统成百上千个服务

ACID vs BASE