什么是 CAP 理论
CAP 原则指的是一个分布式系统中，Consistency(一致性)，Avaliablity(可用性)，Partition tolerance(分区容错性)，三者不可兼得。
- 一致性：在分布式环境下，一致性是指数据在多个副本之间能否保持一致的特性。
- 可用性：可用性是指系统提供的服务必须一直处于可用的状态，对于用户的每一个操作请求总是能够在有限的时间内返回结果。
- 分区容错性：分区容错性约束了一个分布式系统具有如下特性：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和可用性的服务，除非是整个网络环境都发生了故障。
为什么三者不能同时满足
假设现在有两台服务器，一台跑 A 服务和数据库 V1，一台跑服务 B 和数据库 V2，V1 和 V2 是同步的。在满足分区容错性下，A 或 B 一台宕机都不会影响到其他服务的执行。但当 V1 和 V2 的通信断开时，数据库就不能同步。
- 牺牲一致性：A 用 v1 的数据库，B 用 v2 的数据库，两者都没有同步
- 牺牲可用性：禁止 A 和 B 正常服务，直到两种能同步才开启服务。
- 牺牲分区容错性：如果不用分区容错性，则整个系统可以不用分布式来搭建，能保证强一致性和可用性，但如果机器挂了，整个服务也崩了。
什么是 BASE 理论
BASE 就是 Basically Available(基本可用)，Soft state(软状态)，Eventually consistent(最终一致性)，是对 CAP 中一致性和可用性权衡的结果。
- 基本可用：指分布式在出现不可预知故障的时候，允许损失部分可用性。
- 响应时间上的损失：一个在线搜索引擎需要 0.5s 内返回给用户相应的查询结果，但由于出现异常（比如系统部分机房发送端点或断网故障）查询结果的响应时间增加到了 1~2s
- 功能上的损失：在购物高峰时，为了保证购物系统的稳定性，部分消费者可能会被引导到一个降级页面。
- 软状态：指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。 最终一致性：系统中的所有数据副本，在经过一段时间的同步后，最终能够到达一个一致的状态。