1. cap基本理论

cap是指在分布式系统中，一致性（consistency）、可用性（avaliablity）、分区容错性（partition tolerance）

 一致性

all nodes see the same data all the same time.所有主副结点同一时间数据完全一致（这里是指数据同步）

可用性

read and write always success.服务一直是可用的，用户随时访问，都能在可控时间内返回正确的数据（理解起来似乎和一致性一样，其实是指在数据在所有节点同步后才能达到可用性的）

分区容错性

即多节点/多服务器。分布式系统在某一个节点出问题后不影响其他节点，其他节点仍能够对外提供一致性或者可用性的服务

2. cap三者不可兼得

满足c、a,那么p能不能满足：满足c是要求实现所有机器数据同步，而同步需要时间，机器越多同步时间越久。这里问题来了，同时满足c同时要满足a（即可控时间内用户查询所有机器返回数据都是正确的）这样只能要求机器不能太多，也就是p是满足不了

满足c、p，那么能不能满足a：满足c是要求实现所有机器数据同步，而同步需要时间，机器越多同步时间越久。这里问题来了，同时满足c同时要满足p（即机器也要够多），那么数据同步需要很多时间。而a的要求是可控时间内用户获取所有数据都是最新的，所以说a不能满足

满足a、p，那么能不能满足c：满足a要求用户可控时间内访问所有机器得到数据都是最新的，满足p是要有足够多的机器，那么如果机器比较多同步数据的时间就很大。所以这种情况下不能满足c

一般来说，分布式系统大都是满足ap，选择牺牲强一致性，选择最终一致性，比如双11、12306等经常出现抢到之后显示没有情况

3.Base理论

Base是basically avaliable（基本可用）、soft state(软状态)和eventually consistent(最终一致性)的简写。base作用是保证系统的可用性，然后通过最终一致性来代替强一致性，它是目前分布式系统设计中最具指导意义的经验总结。

Base中基本可用指得是保障核心功能的基本可用，其实是做了“可用性”A方面的妥协，比如

• 电商网站在双十一大促等访问压力较大的时候，关闭商品排行榜等次要功能的展示，从而保证商品交易主流程的可用性，这也是我们常说的服务降级；

• 为了错开双十一高峰期，电商网站会将预售商品的支付时间延后十到二十分钟，这就是流量削峰；

• 在你抢购商品的时候，往往会在队列中等待处理，这也是常用的延迟队列。

软状态、最终一致性指得是允许系统中数据存在没有及时更新的中间状态，但是最终数据状态是要更新到最新的

参考文献

https://mp.weixin.qq.com/s?__biz=MzU0OTE4MzYzMw==&mid=2247539136&idx=2&sn=17a9f1dd8724e27ea5c0f9cfd298fd1b&chksm=fbb1d03eccc659285c15a9c71231a404535ab1be975c062eef32dc96906c29aa322509e6809d&scene=27