一、CAP理论

     CAP 理论可以表述为，一个分布式系统最多只能同时满足一致性（Consistency）、可用性（Availability）和分区容忍性（Partition Tolerance）这三项中的两项。

一致性：某些操作之后(比如新增或更新操作)，所有节点在同一时间的数据完全一致。

可用性：服务一直保持正常运行，并且可以正常响应用户的请求，即任何时候，读写都是成功。

分区容忍性: 大多数分布式系统都分布在多个子网络。每个子网络就叫做一个区（partition）。分区容忍性指系统容忍网络出现分区，并且在遇到某节点或网络分区之间网络不可达的情况下，仍然能够对外提供满足一致性和可用性的服务。

由于不能保证节点之间100%都能正常通讯，所以在分布式系统中分区容忍性是需要满足的。当满足分区容忍性的时候，一致性和可用性不能同时成立。原因如下：由于节点通讯可能失败，如下图所示，当Client A向Server 1和Server 2写数据时，Server2出现异常，如果满足一致性，则Server 1也需要rollback，即写操作必须同时成功或者同时失败，此时就不能满足可用性。当此时满足可用性时就会出现数据不一致的情况，即不能满足一致性。

CP 和 AP 架构的取舍

CP 架构：对于 CP 来说，放弃可用性，追求一致性和分区容错性。

我们熟悉的 ZooKeeper，就是采用了 CP 一致性架构，ZooKeeper 是一个分布式的服务框架，主要用来解决分布式集群中应用系统的协调和一致性问题。其核心算法是 Zab，所有设计都是为了一致性。在 CAP 模型中，ZooKeeper 是 CP，这意味着面对网络分区时，为了保持一致性，它是不可用的。

AP 架构：对于 AP 来说，放弃强一致性，追求分区容错性和可用性，这是很多分布式系统设计时的选择，后面的 Base 也是根据 AP 来扩展的。

 Eureka是采用了AP架构，Eureka 是 Spring Cloud 微服务技术栈中的服务发现组件，Eureka 的各个节点都是平等的，几个节点挂掉不影响正常节点的工作，剩余的节点依然可以提供注册和查询服务，只要有一台 Eureka 还在，就能保证注册服务可用，只不过查到的信息可能不是最新的版本，不保证一致性。

二、Base 理论

Base 是三个短语的简写，即基本可用（Basically Available）、软状态（Soft State）和最终一致性（Eventually Consistent）。

Base 理论的核心思想是最终一致性，即使无法做到强一致性（Strong Consistency），但每个应用都可以根据自身的业务特点，采用适当的方式来使系统达到最终一致性（Eventual Consistency）。

基本可用：基本可用强调了分布式系统在出现不可预知故障的时候，允许损失部分可用性，相比正常的系统，可能是响应时间延长，或者是服务被降级。

软状态：软状态则是允许系统中的数据存在中间状态，并认为该状态不影响系统的整体可用性，即允许系统在多个不同节点的数据副本存在数据延时。与软状态相对应的是事务(ACID)中的原子性。

最终一致性：数据不可能一直是软状态，必须在一个时间期限之后达到各个节点的一致性，在期限过后，应当保证所有副本保持数据一致性，也就是达到数据的最终一致性。

三、CAP 及 Base 的关系

Base 理论是在 CAP 上发展的，CAP 理论描述了分布式系统中数据一致性、可用性、分区容错性之间的制约关系，当你选择了其中的两个时，就不得不对剩下的一个做一定程度的牺牲。

Base 理论则是对 CAP 理论的实际应用，也就是在分区和副本存在的前提下，通过一定的系统设计方案，放弃强一致性，实现基本可用，这是大部分分布式系统的选择，比如 NoSQL 系统、微服务架构。

文章主要整理自以下课程，如果想系统学习分布式技术原理与实战，可点击：

https://skaygo.blog.csdn.net/article/details/113850871