程序员数据分析基础：从零开始学架构读书笔记

CAP定理：在一个分布式系统（指互联并共享数据的集群）中，当涉及读写操作时，只能保证一致性（Consistence）、可用性（Availability）、分区容错性（Partition Tolerance）三者中的两个，另外一个必须被牺牲。

• 一致性（C）：对某个客户端来说，读操作必须能够返回最新的写操作的结果。
• 可用性（A）：非故障节点在合理的时间内返回合理的响应（不是错误或者超时的响应）。
• 分区容错性（P）：当出现网络分区后，系统能够继续“履行职责”。

虽然理论上三者必须牺牲一个，但在实际的分布式环境中，分区容错性（P）是必须的，而且在正常运行情况下也要保证CA的，只有在出现网络分区问题的时候才会选择是保C还是保A，从而形成了CP或者AP架构：

CP架构，当不同节点数据无法有效同步（网络分区）时，为了保证C，请求会返回报错。

AP架构，当不同节点数据无法有效同步（网络分区）是，为了保证A，请求可能返回旧数据。

ACID是RDBMS中为了保证事务的强一致性提出的理论

BASE是Basically Availabel（基本可用）、Soft State（软状态）、Eventually Consistency（最终一致性的）三个短语的缩写，其核心思想是即使无法做到强一致性（CAP的一致性就是强一致性），但应用可以采用合适的方式达到最终一致性（Eventual Consistency）。

• Basically Availabel（基本可用）：分布式系统在出现故障时，允许损失部分可用性，保证核心可用。
• Soft State（软状态）：系统允许出现中间状态，不影响整体可用性，对应CAP中的数据不一致状态。
• Eventually Consistency（最终一致性的）：系统中的数据副本经过一定时间后，可以达到最终一致性。

BASE其实是对CAP的延伸和补充，更具体的说是对AP方案的补充。

1. CAP的理论忽略延迟，而实际中延时无法避免，完美的CP场景不存在，都是需要经过一定时间（即使很小）才能实现一致性；
2. AP方案只在分组期间牺牲一定的一致性，不是永远放弃一致性。