CAP总结

C   :一致性（consistency）其实就是数据库中的ACID

A   :可用性（availability）   对一个系统而言，全部的请求都应该在一段时间内‘成功’而且收到’返回’，其实就是不丢报文，老是能响应，可能有延迟。强调下，可用性是系统中每一个没有问题的节点在接受请求的时候，可以正确响应。举个例子：ca集群下，若是出现分区，全部节点都没法运转，按照常规的“可用性”看的话，咱们认为这种状况是缺少“可用性的”，这里的“可用性”跟cap中的a是有区别的。a是有前提的，即针对于正常运转的节点

P   :分区容错（partiion-tolerance）所指就是分布式系统的容错性。节点crash或者网络分片都不该该致使一个分布式系统中止服务，放弃Partition-tolerance意味着把全部的机器搬到一台机器内部。也就是单点跟多节点的问题，多节点具备容错性，单点没有

假设两个节点集{G1, G2}，因为网络分片致使G1和G2之间全部的通信都断开了，若是在G1中写，在G2中读刚写的数据， G2中返回的值不可能G1中的写值。因为A的要求，G2必定要返回此次读请求，因为P的存在，也便是多节点状况下，其中一个节点的数据不是最新的，致使C必定是不可知足的。

·放弃P：若是想避免分区容错性问题的发生，一种作法是将全部的数据(与事务相关的)都放到一台机器上。虽然没法100%地保证系统不会出错，但不会碰到由分区带来的负面效果。固然，这个选择会严重影响系统的扩展性。单节点的典型表明就是关系型数据库，支持CA

·放弃A：相对于放弃“分区容错性”来讲，其反面就是放弃可用性。一旦遇到分区容错故障，那么受到影响的服务须要等待数据一致，所以在等待期间系统就没法对外提供服务，也就是CP。若是不须要数据的强一致性，能够当即进行响应，会致使数据的不一致，也就是AP

·放弃C：这里所说的放弃一致性，并非彻底放弃数据的一致性，而是放弃数据的强一致性，而保留数据的最终一致性。在分布式环境中，放弃强一致性，能够当即进行响应，虽然数据会形成不一致。

base原则其实放弃c，实现最终一致性的AP