CAP原理和BASE理论的个人理解

CAP原理是什么？

C：Consistency

一致性,访问所有的节点得到的数据应该是一样的，CAP中的一致性指的是强一致，也就是具有实时性，在某个节点更改数据后，获取时能立刻获取到最新的数据（像redis延迟双删）。

A：Availability

可用性，所有的节点都保持高可用性，可用性就是生命力，不容易挂掉或崩溃。CAP中的可用性还包含低延迟，如果延迟过高，例如不能在规定的时间内返回相应的数据，则此节点不具备高可用性。

P：Partiton tolerance

分区容忍性，分区是指的网络意义上的分区，但网络并不是一直稳定的，所有节点之间很可能出现无法通讯的情况，在节点不能通信时，要保证整个程序不能因此而挂掉。

以实际效果而言，分区相当于对通信的时限要求。系统如果不能在时限内达成数据一致性，就意味着发生了分区的情况，必须就当前操作在C和A之间做出选择。也就是说，当发生了网络波动，有节点未能及时同步数据时，我们为了保证系统不“死掉”，一定会选择P，容忍网络波动这样的情况发生，那么此时我们如果还要保证C的话，因为此时因波动的节点未能接受到新的数据，我们就只能等待（阻塞）到它获取到了新的数据后再读取，但这样我们就违背了A（高可用中的低延迟性）。

同理，我们为保证A的话就直接读取此时节点中的数据，但这时的数据并是不最新的，就违背了C。

所以CAP中，是无法同时满足"C"、"A"、"P"的我们要在当中以具体的项目为例进行取舍，一般为了保证不卡或不挂掉，都会选择"P"。所以一般会选择的组合是AP/CP。

一般来说，放弃强一致性，追求分区容错性和可用性，是很多分布式系统设计的选择。在工程实践中，基于CAP定义逐步演化出了Base理论。

Base理论

Base理论是三要素的缩写：基本可用（Basically Available）、软状态（Soft-state）、最终一致性（Eventually Consistency）。

基本可用对应CAP中的A：可用性。“基本可用”要求系统能够基本运行，一直提供服务，强调的是分布式系统在出现不可预知故障的时候，允许损失部分可用性。例如某游戏登录时候大区人数过多会排队。

软状态则允许系统中的数据存在中间状态，对应CAP的C。并认为该状态不影响系统的整体可用性，即允许系统在不同节点的数据副本上存在数据延时，也就是弱一致性。

最终一致性，数据不可能一直处于软状态，必须在一个时间后同步。在期限过后，应当保证所有副本中的数据保持一致性，也就是达到了数据的最终一致性。