CAP&Base理论

---

CAP

1、CAP对应的三个特性

• 一致性（Consistency）：在分布式环境中，一致性是指数据在多个副本之间是否能够保持一致的特性，等同于所有节点访问同一份最新的数据副本。在一致性的需求下，当一个系统在数据一致的状态下执行更新操作后，应该保证系统的数据仍然处于一致的状态。
• 可用性（Availability）：每次请求都能获取到正确的响应，但是不保证获取到的数据是最新的数据。
• 分区容错性（Partition tolerance）：分布式系统在遇到任何网络分区故障的时候，仍然需要能够保证对外提供满足一致性或可用性的服务，除非是整个网络环境都发生了故障。

2、CAP理论

CAP理论是指：一个分布式系统最多只能同时满足一致性（C）、可用性（A）、分区容错性（P）这三项中的两项，其中P是必须的，因此只有两种选择，CP或AP。CP的应用场景主要是zookeeper、AP的则是springcloud中的eureka。

BASE

1、BASE对应的三个特性

• 基本可用（Basically Availability）：在分布式系统出现故障时，允许损失部分可用性。
• 软状态（Soft-state）：允许分布式系统出现中间账号，而且中间状态不影响系统的可用性。这里的中间状态是指不通的数据备份节点（data replication）之间的数据更新可以出现延时的最终一致性。
• 最终一致性（Eventually Consistent）：数据备份节点（data replication）经过一段时间达成一致性。

2、BASE理论

BASE理论是对CAP中一致性和可用性进行权衡的结果，理论的核心思想就是：既然无法做到强一致，那么可以根据每个应用自身的业务特点，采用适当的方式来使系统达成最终一致性。

补充：三种一致性

强一致性（线性一致性-linearizability）：

• 1、任意时刻所有节点的数据都是一样的；
• 2、一个集群需要对外部提供强一致性，所以只需要集群内部的某一台服务器的数据发生了改变，那么就需要等待集群内部的其他服务器的数据同步完成后，才能正常对外提供服务；
• 3、保证了强一致性，务必会损耗可用性；

弱一致性：

• 1、系统中的某个数据被更新后，后续对该数据的读取操作可能读取到更新后的值，也可能是更改前的值。
• 2、即使过了不一致时间窗口，后续的读取也不一定能保证一致性。

顺序一致性：

• 1、任何一次读，都能读到某个数据的最近一次写的数据。
• 2、对其他节点之前的修改是可见的（已同步）切确定的，并且新的写入建立在已同步的基础上。