CAP定理和Base理论

CAP定理

一个分布式系统不可能同时知足C （Consistency）一致性 ，A（Availiabibity）可用性，P（Partition tolerance）容错性。  

 一致性

  不一致分布式系统的数据都有几个不等的备份，操做数据的时候，不一样的节点拿到了不一样的副本，同时对这些副本进行操做，而且都成功了，这个时候，对这一部分数据就会形成不一致，也就形成了分布式系统的不一致性。

    所谓一致性，就是针对某数据的操做进行了更新操做后，全部使用该数据的用户均可以获得最新的 值，就能够称之为强一致性。

可用性

指的就是系统的效率问题，熊不能太慢，必须是在可承受范围以内的。

容错性

系统发生了故障，保证对外的服务不会间断，最简单的就是备份，某个备份坏了以后，须要经过其余备份获取正确的数据保证对外服务正确。

三者不可兼得，仔细的推敲一下以上三个方便，就能感受到，这三个方向是相互制约的，莫一方面作到了极致，天然就会影响其余两个方面作的很好。

        例如，若是须要作的强一致性，就必须保证所作的操做对全部的副本都起做用了之后才能对外返回，这么一来可用性(效率)上天然就会打折扣。若是不考虑容错性，那么就不须要对数据搞那么多的副本，可用性和一致性效率能够提升，可是就会增长系统挂掉的风险。因此三者是相互矛盾的，在设置或者考虑系统的设计和开发时，须要综合考虑三者之间所占的一个权重。

Base理论

为达成分布式系统开发，三者互相权衡，相互妥协的一个理论。牺牲高一致性，得到可用性或可靠性：
Basically Available基本可用。支持分区失败(e.g. sharding碎片划分数据库)
Soft state软状态 状态能够有一段时间不一样步，异步。
Eventually consistent最终一致，最终数据是一致的就能够了，而不是时时高一致。

 牺牲了部分一致性，提升了性能和可靠程度。一致性也能够是实时一致也能够是最终一致，这里牺牲一致性也并不是不要一致性，而是选择最终一致性，这样一来，虽说中间状态可能不一致，可是最终，数据仍是一致的，也不会影响系统最终的准确度。

基本可用:再出现个故障或者高并发的时候，牺牲部分体验，但最终保证可用。

弱状态：容许存在中间状态

最终一致性：数据副本最终保证数据一致，但不是实时一致，容许副本间同步存在延迟。

 

BASE理论是CAP定理下相互妥协的一个结果，保证开发可用分布式系统。