CAP理论

在一个分布式计算系统中，不可能同时满足以下三点：
C 一致性：每个节点读写数据时，保证各个节点上的数据是一致的。
P分区容错性：当系统中的节点故障时，系统就不再联通，系统会被划分为两个分区，而分区容错性则是保证每个分区都可以对外提供服务。
A可用性：即便是服务中的某个节点挂掉了，服务也是可用的，但是响应的内容可能不是最新的数据。
在分布式架构中，最多保证其中两项：

CP: 不要求可用性，只要求一致性，在客户端修改节点中的数据时，需要暂时阻塞客户端的其他请求，直到将数据同步到其他的节点上为止，如果不阻塞的话，客户端的请求可能会再次修改节点中的数据。在阻塞的过程中，服务是不可用的，这就是为什么不能保证可用性的原因。
AP:不要求一致性，客户端请求修改数据后，立即将响应返回，同步过程则是以异步的方式进行，如果同步失败则没办法保证数据一致性。
CA: 在分布式系统中不常用，如果不满足P分区容错性的话，会导致某一节点挂到，整个系统都挂掉，所以一般在单体系统中常用些。

Base理论

BA:基本可用，在出现故障，允许丢失部分可用性，比如在双十一购物时，为了保证系统的稳定性，可以将部分用户引导至一个降级页面中。
S: 软状态：允许有中间状态，且中间状态不会影响系统的可用性。
E: 最终一致性：允许系统中的节点可以经过一定时间达到一致性。

强一致性：系统中的某一节点发生了修改，其他节点同步完成才能对外提供服务。
弱一致性：数据修改后，可以容忍某些节点访问不到，最终一致性就是弱一致性。
顺序一致性：读取数据时读到的数据是上次修改的数据。

Zookeeper

一致性

zookeeper写是最终强一致性，只要大多数节点写成功就表示成功，但是读是顺序一致性的，在写的过程中有些节点因为网络延迟或系统原因没有写入数据，这时候客户端是读取不到最新数据的，所有只能保证顺序一致性。