距离第一篇文章的更新，已经过去一个多月了
，不是我偷懒不更新，实在是这段时间太忙了。
今天准备整理下分布式系统中的理论知识——CAP和BASE。
CAP是指Consistency（一致性）、 Availability（可用性）、Partition tolerance（分区容错性）。
一致性：一致性是指在分布式系统中的所有数据备份，在同一时刻是否同样的值。大致分为强一致性、弱一致性和最终一致性。
关于一致性的详细描述可以参考这篇文章https://www.jianshu.com/p/36cbe3c3cf83
可用性：可用性描述的是服务一直可用且在正常的响应时间内，在分布式系统或者是单体应用的集群部署情况下，要保证一个节点或多个节点失效后系统仍旧可用。
分区容错性：分区容错性是指分布式系统在遇到任何网络分区故障的情况下，仍能提供对外的一致性或可用性的服务。
一个分布式系统只能同时满足CAP中的两项，三者不可兼得。下面是我自己对CAP定理的证明
假设有两个服务A和B提供相同的功能，A在北京，B在上海，各自的数据库是DB1和DB2，两个数据库中都有某表中的字段X，值为1。
当网络稳定时，用户发送请求1到A，X加1，DB1中的X值变为2，此时DB1和DB2数据同步，DB2中的X更新为2，用户请求查询X的值发送到B时，拿到的值为2，这时系统的可用性和一致性是可以满足的。
但是网络传输我们不能保证稳定时，用户发送请求1到A，DB1中的X变为2，DB1和DB2在同步数据的过程中，网络故障，DB2中的X还是1，此时用户发送请求到B查询X的值，X为1，无法满足一致性；当DB1和DB2同步遇到网络故障时，阻塞等待，直到网络恢复，再响应请求2，这时无法满足可用性，用户可能等待了很久
以上我们可以看出要满足分区容错性，可用性和一致性就不能同时满足。
根据排列组合，取舍的组合无非就是CA放弃P、AP放弃C、CP放弃A三种
CA放弃P：当不需要进行分区时，我们可以选择放弃P，满足一致性和可用性，但是放弃P为啥还要讲分布式？
AP放弃C：一开始我以为放弃C就是放弃数据的一致性，但是后来看并不是这样，这里指的是放弃数据的强一致性，通过引入时间窗口满足数据的最终一致性，也就是数据最终会达到一致的状态，但是这个时间窗口的大小取决于网络、数据同步策略等因素。
CP放弃A：一旦网络遇到故障，放弃可用性，让用户等待请求响应，这段时间内服务不可用。
BASE理论其实是由CAP定理演化而来的，它权衡了CAP中的一致性和可用性，结果是做到最终一致性。
BA是指Basically Available(基本可用)：在系统出现故障时，保证核心功能可用，可以牺牲部分功能，例如淘宝双十一为保障交易功能，使注册功能不可用。
S是指Soft state（软状态）：允许系统中的数据存在中间状态。
E是指最终一致性（Eventually Consistent）：这个就是软状态的最终结果，数据最终一致，趋于一致的时间取决于时间窗口的。
BASE理论是CAP理论的延伸，一致性和可用性都可以单独拿出来细说，网上有很多优秀的文章值得去学习，下面这篇就很不错。
https://blog.csdn.net/zhangyufeijiangxi/article/details/78286364
