CAP和BASE理论

CAP理论

一个分布式系统不可能同时满足一致性（C：Consistency）、可用性（A：Availability）和分区容忍性（P：Partition Tolerance），最多只能同时满足其中两项。

一致性

一致性是指在多个副本之间是否能够保持一致的特性。在一致性的需求下，当一个系统在数据一致的状态下执行更新操作后，应该保证系统的数据仍然处于一致的状态。
在分布式系统中，如果能够做到针对一个数据的更新操作成功之后，所有用户都能获取到最新的数据，那么这样的系统就具有强一致性。

可用性

可用性是指系统提供的服务必须一直处于可用的状态，对于用户的每一个请求总能在有限的时间返回正常的结果。

分区容错性

分区容错性规定分布式系统在遇到任何网络分区故障时，仍能提供保证一致性和可用性的服务，除非整个网络发生故障。

应用

对于分布式系统，网络问题是必定出现的异常，因此分区容错性是分布式系统必须解决的问题。因此系统架构师往往把精力放在一致性和可用性上寻求平衡。

1. 放弃一致性：指放弃强一致性，保留最终一致性。
2. 放弃可用性：当系统遇到网络问题或者节点数据不同步时，服务需要等待一段时间才可用。

BASE理论

BASE是Basically Available（基本可用）、Soft state（软状态）、Eventually Consistent（最终一致性）的简写。
其核心思想是即使无法做到强一致性，但应用都可以根据自身的业务特点，采用合适的方式使系统达到最终一致性。

基本可用

分布式系统出现故障时，允许损失部分可用性。

1. 响应时间上的损失
2. 功能上的损失

软状态

允许存在中间状态，即数据同步过程存在延时

最终一致性

最终一致性强调的是系统中所有的数据副本，在经过一段时间的同步后，最终能达到一致的状态。
五类主要变种：

1. 因果一致性：A更新了一个数据，B对该数据的更新基于当前值，则B对该数据访问应该能获取最新值。
2. 读已之所写：A更新一个数据后，总能读取到更新后的值。
3. 会话一致性：对会话实现“读己之所写”。
4. 单调读一致性：A读取了一个数据后，不会读取到更旧的值。
5. 单调写一致性：保证来自同一进程的写操作被顺序执行。