CAP理论，BASE理论

分布式基础理论：CAP理论，BASE理论；

CAP理论

cap理论的简单概念：分布式的三个特性
（即Consistency（一致性）、 Availability（可用性）、Partition tolerance（分区容错性））
这三个特性无法同时满足，最多同时满足两个特性：即下图的CA，AP，AP
这里借用百度百科的图片进行形容

CAP理论例子

由于三选二的特性 又会在特定状态下产生其他的情况 例如：

1.满足CP关系时
A用户通过请求向1服务器进行了一个注册操作，1服务器通过网络连接告知其他服务器（分区），同时将A用户的注册信息入库（一致性），但由于各种因素（硬件，软件，网络，事故）某服务器未能进行该操作，在保证一致性的情况下所有服务器都会停止服务，等待同时入库。此时就无法满足可用性；
2.满足AC关系时
A用户通过请求向1服务器进行了一个注册操作，1服务器通过网络连接告知其他服务器（分区），此同样的情况下 我想其他所有服务器还能继续进行运转（满足可用性），势必我们需要直接进行入库操作，但是宕机（故障，延迟）不能进行，此时一致性将不被满足；
3.满足PC关系时
此时我们只能在一台服务器上进行操作（一致性，可用性），就完全不满足分区这个概念

BASE理论

在分区的情况下 我们势必要在最后满足
最终一致性（Eventually Consistent）即数据最后需要保持一致
即CAP的一致性的弱化版
因此在牺牲可用性，或一致性的情况下会诞生BASE理论另外两条概念
基本可用（Basically Available） 允许部分时间段不可用
软状态（Soft State） 存在中间状态
这就是BASE理论：
最终一致性（Eventually Consistent）即数据最后需要保持一致
基本可用（Basically Available） 允许部分时间段不可用
软状态（Soft State） 存在中间状态

BASE理论例子

基本可用（Basically Available）
允许部分时间段不可用
例如 ：电商 在流量巨大的情况下，所以我们可以允许性能丢失（原来返回结果要一秒，现在要3秒），只要能保证服务可用；
软状态（Soft State）
软状态是指允许系统存在中间状态，例如：订单的产生，需要判定用户已完成支付，仓库货物出仓，两者完成时才会产生订单，单个操作的完成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