CAP和BASE
CAP
2000年，某某教授在某研讨会上提出了一个猜想：一致性、可用性和分区容错性三者无法在分布式系统中被同时满足，并且最多只能满足其中两个。 这就是CAP原理。
- C（一致性）：这里应该称为强一致性，或者严格一致性。对于一个将数据副本分布在不同节点上的系统来说，在一个节点上的数据操作，可能在 一定时间只有才会在另一个副本节点上体现。所以没有满足数据的强一致性。
- A（可用性）：每个请求都能在有限的时间内返回结果。这个有限的时间，google搜索是0.3秒，对于一个大数据平台的查询可能 是20s-30s，跨度更大的查询可能会是几分钟。返回结果指一个正常的响应结果，如果是一个类似OutOfMemory等的系统错误，我们认为系统是 不可用的。
- P（分区容错）：分布式系统在遇到任何网络分区故障时，系统任然可以提供一致性和可用性的服务。拥有分区容错性的系统也拥有可扩展性。
对于一个分布式系统，系统中的各个组件必然需要被部署到不同的节点上，因此，网络问题是一个必然出现的情况，分区容错性，是一个分布式系统 必须需要面对和解决的问题。所以架构师一般会结合业务，在一致性和可用性之间寻求平衡。
BASE
接受最终一致性的理论支撑是BASE模型，BASE全称是BasicallyAvailable（基本可用）, Soft-state（软状态）, Eventually Consistent （最终一致性）。BASE模型在理论逻辑上是相反于ACID（原子性Atomicity、一致性Consistency、隔离性Isolation、持久性Durability）模型 的概念，它牺牲高一致性，获得可用性和分区容忍性。
- 基本可用：系统在发生故障的时候，允许损失部分可用性，如搜索引擎0.5秒返回查询结果，故障后可能会2s返回。电商系统会在购物高峰时， 返回降级后的页面。
- 软状态：指数据可以存在中间状态，即允许系统在不同节点的数据副本之间同步数据时存在延时。如mysql或者kafka的replication。
- 最终一致性： 最终一致性是指：经过一段时间以后，更新的数据会到达系统中的所有相关节点。这段时间就被称之为最终一致性的时间窗口。