CAP定理及BASE理论

C:Consistency(一致性)

一致性指写操作之后进行读操作，无论读哪个节点都要返回刚才写的值。即多个节点满足强一致性

A:Availability(可用性)

可用性指集群中一部分节点故障后，集群整体是否还能响应客户端的请求。即是否具有高可用性

P:Partition Tolerance(分区容错性)

分区容错性：多个节点区间通信可能会失败，失败就意味着出现了分区情况，当网络出现分区后，系统依然能继续提供服务。

满足CA则不能满足P：如果要满足CA，那肯定要使用集群（A可用性），同时要满足一次写操作多个节点都要成功（C一致性），那么必然会使用分布式事务，写操作没完成之前必须要锁住其他节点。期间这些节点不可以读写。假如出现节点通信失败，事务就会阻塞，用户操作失败。那么 P-分区容错性不满足

满足CP则不能满足A：既要满足C又要满足P，那么只能使用单节点。如果这个节点宕机则节点上数据无法访问，不能响应客户端请求那么A-可用性不满足。

满足AP则不能满足C：满足A必须使用集群，满足P则可能出现分区情况，出现数据不一致，那么必然不会满足C（一致性）

BASE理论

BASE理论是对CAP中的一致性及可用性进行一个权衡的结果，其核心思想是：我们无法做到强一致性，那么我们可以通过牺牲强一致性获得可用性，一般应用于服务化系统的应用层或者大数据处理系统中，采用适当的方式达到最终一致性。

BA:Basically Available（基本可用）

基本可用：是对A（可用性）的一个妥协，比如秒杀场景下，或者雪崩的业务场景下，可以降级处理，使核心功能可用，而不是所有的功能可用。或者延迟完成，比如通过削峰限流，来延迟响应

S:Soft state(软状态)

指允许部分节点数据存在一定的延时，这个延时不影响可用性。例如一次写操作只更新了一个结点就返回成功。那么其他节点和这个节点的数据时不一致的。此时的数据状态就是软状态。该状态不能一直存在，必须要有个期限，系统保证在没有后续更新的前提下,在这个期限后,系统最终返回上一次更新操作的值,从而达到数据的最终一致性,这个容忍期限（不一致窗口的时间）取决于通信延迟，系统负载，数据复制方案设计，复制副本个数等，DNS是一个典型的最终一致性系统