CAP理论
CAP 理论描述了在分布式系统中涉及到共享数据的时候，以下三个特性只能满足两个：
- 一致性 consistency : 任何时刻，任何节点的数据都是符合预期的
- 可用性 availablity ： 系统不间断提供服务的能力。 可靠性是平均无故障时间计算、可维护性是平均可修复时间计算； 可用性 = 平均无故障时间/(平均无故障时间 + 平均可修复时间)
- 分区容忍性 partition tolerance : 分布式环境因为网络造成失联分区后，依旧可以提供服务的能力
严格的数学证明已经完成了，这里就不再赘述了，现在看看对于取舍CAP的话，看看不同的取舍会造成什么后果：
- CA without P : 对于一个分布式系统不存在稳定的通信，分区现象会一直存在 ， 所以 分区容忍性可以认为必须存在的，是一个天然的属性。 除非是放弃分布式，直接单体，那么就丧失了扩展性。
- CP without A: 放弃可用性 ， 意味着发生网络分区的时候，节点无法快速恢复，信息同步时间无限期延长，可以理解为数据再次保持强一致的同步时间很久，长到无法预估。适合对于数据质量要求很高的场景。
- AP without C: 放弃了一致性 ， 这是系统最经常使用的场景；我们退而求其次，选择最终一致性
这里其实也说到了 ， 其实P 不是一个选项。
CAP只考虑了一个分布式系统下的数据一致性的模型 ， 还有其他因素，如网络延迟、死亡节点的事情，都是没有考虑的。
CAP已经是一个很老的理论了。
BASE
CAP 是对系统完美状态的阐述
BASE 是 基本可用、软状态、最终一致性的简写
- 基本可用：允许丧失部分可用性，但是不等于系统不可用
- 响应时间上丧失：响应时间耗时增加
- 功能上丧失：引导到一个降级页面
- 弱状态：允许系统中的数据存在中间状态
- 最终一致性：系统所有的数据副本，经过一段时间的同步，可以达到一个一致的状态
- 因果一致性：A 更新的数据通知B ， B 后面可以读取到A最新的数据，同时基于A的数据操作
- 读己之所写：A 更新数据之后，自己后面访问的就是自己最近更新的数据
- 会话一致性：客户端在一个会话界面，访问到的就是自己刚刚更新的最新值
- 单调读一致性：一个进程读取系统一个值之后，其历史的旧值是无法被读取到的
从CAP 到 BASE ， 是一个分布式系统在对共享数据场景下的理论探讨。