分布式系统的CAP理论和BASE理论
目录
现在分布式系统的应用越来越广， 这是一个很容易理解的趋势， 因为毕竟单机的性能是有限的， 在量级还不大的时候， 我们能够通过升级机器的性能来支撑服务。但是当量级到达一定的瓶颈， 单机的性能总会有撑不住的时候， 这个时候就需要使用分布式系统了。
但是当引入分布式系统之后， 就必然面临一个问题， 分布式必然是一个集群，集群中的节点就需要交互， 但是网络是一个不稳定的因素， 这个时候就需要在一致性和可用性上做一个权衡。
CAP理论
CAP是Consistency、Availablity和Partition-tolerance的缩写。分别是指：
一致性（Consistency）：每次读操作都能保证返回的是最新数据；
可用性（Availablity）：任何一个没有发生故障的节点，会在合理的时间内返回一个正常的结果；
分区容忍性（Partition-torlerance）：当节点间出现网络分区，照样可以提供服务。
CAP理论的核心是：一个分布式系统不可能同时很好的满足一致性，可用性和分区容错性这三个需求，最多只能同时较好的满足两个。
首先，单机肯定不存在分区的问题， 所以肯定只能保证CA。不过既然是讨论分布式系统， 这个情况肯定不在我们考虑范围内。
对于分布是系统，P肯定是占的， 那么到底是AP呢还是CP呢。
当出现节点间网络中断的情况，
如果选择一致性CP，意味着在网络恢复 数据在节点间同步完之前是不可用的。
如果选择可用性AP，意味着我们放弃了各个节点直接的同步
在实际操作的时候，一般的服务都要保证服务的可用性，所以一般会选择AP，然后在网络恢复后得到最终一致性
根据 CAP 原理将 NoSQL 数据库分成了满足 CA 原则、满足 CP 原则和满足 AP 原则三 大类：
CA - 单点集群，满足一致性，可用性的系统，通常在可扩展性上不太强大。
CP - 满足一致性，分区容忍性的系统，通常性能不是特别高。
AP - 满足可用性，分区容忍性的系统，通常可能对一致性要求低一些。
BASE理论
BASE理论是对CAP理论的延伸，核心思想是即使无法做到强一致性（Strong Consistency，CAP的一致性就是强一致性），但应用可以采用适合的方式达到最终一致性（Eventual Consitency）。
BASE是指基本可用（Basically Available）、软状态（ Soft State）、最终一致性（ Eventual Consistency）。
基本可用（Basically Available）
基本可用是指分布式系统在出现故障的时候，允许损失部分可用性，即保证核心可用。
电商大促时，为了应对访问量激增，部分用户可能会被引导到降级页面，服务层也可能只提供降级服务。这就是损失部分可用性的体现。
软状态（ Soft State）
软状态是指允许系统存在中间状态，而该中间状态不会影响系统整体可用性。分布式存储中一般一份数据至少会有三个副本，允许不同节点间副本同步的延时就是软状态的体现。mysql replication的异步复制也是一种体现。
最终一致性（ Eventual Consistency）
最终一致性是指系统中的所有数据副本经过一定时间后，最终能够达到一致的状态。弱一致性和强一致性相反，最终一致性是弱一致性的一种特殊情况。
