CAP定理与BASE理论

1. CAP定理

C：Consistency，一致性
A：Availability，可用性
P：Partition tolerance，分区容错性

CAP定理，指的是在一个分布式系统中，一致性、可用性、分区容错性，三者不可得兼。

2. CAP详解

2.1 一致性（C）

指所有节点访问同一份最新的数据副本。通俗理解就是，在分布式系统中，所有的数据副本，在同一时刻值相同。

2.2 可用性（A）

每次请求都能获取到相应，可以对外提供服务

2.3 分区容错性（P）

由于分布式系统的一个节点发生网络延迟或故障，在规定时限内系统不能做到数据一致性，就发生了分区（系统中有多个数据不一致的节点）。此时，必须在一致性和可用性之间做出选择。

例如：分布式系统中有两个节点，一个节点发生了网络延迟或故障。如果为了保证节点数据一致性，那么就必须放弃可用性，就是两个节点都不再提供服务；如果为了保证可用性，就是说仍要提供服务，那么就必须放弃一致性，没有发生网络延迟或故障的节点仍提供服务。

3. CP还是AP？

在分布式系统中，发生网络延迟或故障是不可避免的，也就是分区容错性是避免不掉的，而发生了分区后，只能在一致性和分区容错性自建选择，那么我们只有两种选择：

数据一致性和分区容错性（CP）
可用性和分区容错性（AP）

无论选择CP，还是选择AP，都是根据业务需求来选择，没有所谓的谁比谁好。

3.1 选择CP

也就是说，我们更看重数据的一致性，适用于对数据一致性有严格要求的业务场景，例如金融，12306售票。

3.2 选择AP

此时更看重可用性，放弃一致性（还是要追求最终一致性的，不一致的数据没有意义），也是各大互联网公司一直宣称服务不可用时间有多少秒，强调的就是可用性。

4. BASE理论

BASE理论是：

基本可用（BA, Basically Available）
软状态（Soft State）
最终一致性（Eventual Consistency）

其思想是，在分布式系统，选择可用性和分区容错性时，无法做到一致性，可以采用适当的方案达到最终一致性，在保证可用性的同时，数据最终也能达到一致。

例如，在电商的促销活动中，是为了追求高可用（相对于CAP中的可用，高可用偏重于可以处理高并发，也是就高QPS），放弃一致性，选择最终一致性（下单成功后，不会立马收到短信，延迟一段时间还是会收到短信。记得某平台，在购物节期间，都不再提供发短信服务了）。为什么要追求可用，甚至是高可用呢？在促销活动中，1件商品，可能有1百万个人同时在抢，那么就是说，当一个人进入抢购时（要判断这个人是不是满足参加的条件等），剩余的都在等待，甚至于拒绝你抢购，对用来说，这是不能容忍的，最真实的案例就是12306上抢票。

4.1 基本可用

指在分布式系统中，发生故障时，允许损失一部分功能，但是其它功能还是可用的。

4.2 软状态

指分布式系统中，允许存在数据的中间状态，而中间状态又不会影响系统的可用性。

4.3 最终一致性

分布式系统中的数据在一段时间后，最终能达到一致性。

5. CAP定理和BASE理论

CAP定理揭示了在分布式系统中一致性、可用性和分区容错性的不能同时满足，而可以设计满足BASE理论的分布式系统。

参考文献

CAP定理

从分布式一致性谈到CAP理论、BASE理论

CAP和BASE理论