CAP和BASE

CAP

• C一致性（Consistency）

在分布式環境下，一致性是指數據在多個副本之間能否保持一致性的特征。
在一致性的需求下，當一個系統在數據一致的狀態下執行更新操作后，應該保證系統的數據仍然處于一致性的狀態。

• A可用性（Availability）

可用性是指系統提供的服務必須一直處于可用的狀態，對于用戶的每一個操作請求總是能夠在有限的時間內返回結果。
有限的時間：指盡可能短的時間內返回處理結果。
返回結果：指在有限的時間內返回正常的結果，不保證返回的是最新的結果。

• P分區容錯性（Partition）

如果是分布式系統，那么就會存在多個節點，就會存在節點故障或網絡故障，所以P是不可避免的。

CAP不能同時滿足：
分布式系統中，如果要保證C一致性，那么就要執行節點數據同步，同步就存在網絡請求故障、邏輯執行耗時等問題，此時就不能保證節點的可用性了。如果要保證A可用性，系統盡可能的快，此時就不能保證網絡請求一定成功、邏輯是否執行完成，此時就不能保證節點的一致性了。所以，在分布式系統中，只能同時滿足AP或者CP。

BASE

• BA（Basically Available）基本可用

犧牲高一致性，獲得可用性和可靠性。
在分布式系統中出現不可預知故障時，允許損失部分可用性（注意，這里不等價于系統不可用）。
比如：
響應時間上的損失：系統故障時請求響應時間由原來的0.5s延長到1s，此時系統仍然可用。
系統功能上的缺失：在系統流量洪峰時為了保證核心功能穩定，將部分消費者引導到一個降級頁面。

• S（Soft state）軟狀態

軟狀態指允許系統中的數據存在中間狀態，并認為該中間狀態不會影響系統的整體可用性，即允許系統各節點數據同步存在延時。

• E（Eventually consistent）最終一致性

系統各節點一定時間后數據最終達到一致狀態。

BASE理論是對CAP中一致性和可用性權衡的結果，其來源于對大規模互聯網系統分布式實踐的總結，是基于CAP理論逐步演化而來的。
BASE理論和傳統的事務ACID特性是相反的，它完全不同于ACID的強一致性模型，在實際的分布式場景中，不同業務和組件對數據一致性要求是不同的，因此在具體的分布式系統中BASE理論和ACID特性是結合一起使用的。

一致性分類

• 強一致性

又稱線性一致性。
任何時刻，任何用戶或節點都可以讀到最近一次成功更新的副本數據，強一致性是程度要求最高的一致性要求。
一個集群要對外提供強一致性，某一個節點數據發生改變，要等到最新數據同步到其他所有節點后，才能對外提供服務。
保證強一致性，務必不能滿足可用性。

• 弱一致性

一旦某個更新成功，用戶無法在一個確定的時間內讀到這次更新的值，且即使在某個副本上讀到了新的值，也不能保證在其他副本上可以讀到新的值。

• 最終一致性

一旦數據更新成功，各個副本上的數據最終達到完全一致的狀態，但達到完全一致狀態所需要的時間不能保證。

• 順序一致性

任何一次讀，都能讀到某個數據的最近一次寫的數據。
對其他節點之前的修改是可見（已同步）且確定的，并且新的寫入建立在已經達成同步的基礎上。