关于分布式

CAP理论对于一个分布式系统来说，设计读写操作时，需要考虑同时满足三点中的两个。

Consistency一致性:所有节点访问同一份最新的数据副本
Availability可用性：非故障的节点在合理时间内返回正确的响应。
Partition tolerance分区容错性：分布式系统出现网络分区（多个节点本来网络是联通的，因为某些故障，不联通了，整个网络就分成了几块区域），仍然能够对外提供服务。
分布式系统理论上不可能选择CA架构，只能选择CP或者AP架构，如ZooKeeper是CP，Eureka就是AP架构，而Nacos不仅支持CP架构也支持AP架构。

BASE理论（对CAP理论中AP方案的延伸）：
即使无法做到强一致性，但每个应用都可以根据自身业务特点，采用适当的方式来使系统达到最终一致性。

Basically Available基本可用、Soft-state软状态和Eventually Consistent最终一致性.BASE理论是对CAO中一致性C和可用性A权衡的结果。其来源于对大规模互联网系统分布式实践的总结。

1、基本可用：指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，但绝不等价于系统不可用
2、软状态：允许系统中的数据存在中间状态，并认为该中间状态的存在不会影响系统的整体可用性。
3、最终一致性：强调的是系统中所有的数据副本，在经过一段时间的同步后最终能够达到一个一致的状态。

分布式一致性3个级别：

1、强一致性：系统写入什么，读出来就是什么
2、弱一致性：不保证多少时间之后读取的数据是最新的，只是会尽量保证某个时刻达到数据一致的状态
3、最终一致性

实现最终一致性的具体方式：

1、读时修复：读取数据时，检测数据不一致，进行修复
2、写时修复：在写入数据，检测数据不一致，进行修复（比较推荐，对性能消耗较低）
3、异步修复：定时对账检测副本数据的一致性，并修复

网关：一般情况下，网关都会提供请求转发、安全认证（身份、权限认证）、流量控制、负载均衡、容灾、日志、监控等功能。实际上就是请求过滤操作。