CAP理论
基本概念
Consistency（一致性）：所有节点访问同一份最新数据的副本
Availability（可用性）：每次请求都能获得非错误的响应，但是不保证获取的数据为最新数据
Partition Tolerance（分区容错性）：分布式系统出现网络分区的时候，仍然能够对外提供服务
什么是网络分区
由于网络故障等原因，将一个分布式系统分割成多个不能互相通信的子系统的情况。例如，在一个分布式数据库系统中，原本相互协作的多个节点，因为网络线路被切断、网络设备故障或者网络拥塞等问题，使得部分节点之间无法进行正常的数据传输和交互，就产生了网络分区。
如图所示：客户端起初写入数据到 Server-1 中，那么这个数据按理就该同步到 Server-2 和 Server-3 中， 它们之间是相互协作的关系。如果这个时候 Server-2 出现网络故障，导致 Server-1 的同步数据无法抵达，就出现网络分区了。
网络分区可能导致以下问题：
- 数据不一致性：当不同节点无法通信时，更新在一个分区上的数据可能无法及时同步到其他分区，导致数据不一致。
- 服务不可用：如果一个节点或一个服务的依赖节点被隔离在一个分区中，那么这个节点或服务可能会变得不可用，从而影响整个系统的可用性。
- 性能下降：在网络分区情况下，系统可能需要等待分区解除，或者采用其他机制来处理分区问题，这可能会导致性能下降。
- 复杂的决策：网络分区会导致分布式系统面临复杂的决策，如何处理分区问题、何时进行故障切换、何时进行数据同步等都需要谨慎考虑。
为什么 CAP 不能同时存在
网上虽然说 CAP 理论只能三选二，现实世界只有 PA 或 PC 可保证：
- 假设一个分布式系统同时满足一致性、可用性和分区容错性。当发生网络分区，将系统分为两个分区 A 和 B。
- 如果有一个写操作在分区 A 执行，为了保证一致性，分区 B 需要在同一时间更新数据。但是由于网络分区，分区 B 无法及时得知这个写操作。如果要保证可用性，分区 B 不能拒绝读请求，那么分区 B 可能会返回旧的数据，这样就破坏了一致性。如果要保证一致性，分区 B 必须等待网络恢复或者从分区 A 同步数据后才能提供服务，这就牺牲了可用性。看来网络分区的不可避免下，让 可用性和一致性互相矛盾了。但如果我们只选择保证一致性或者可用性，那么分区容错性也就可以保证，即分布式系统出现网络分区的时候，仍然能够对外提供服务。
- 所以在分布式系统设计中，由于网络分区不可避免，必须在一致性和可用性之间做出权衡，因此 CAP 理论中只能有 PA 或 PC 两个属性共存。
没有一个分布式系统可以避免网络故障，因此通常必须容忍网络分区的出现。如果存在分区，则会有两个选项：一致性或可用性。当选择一致性而不是可用性时，如果由于网络分区而无法保证特定信息是最新的，系统将返回错误或超时。当选择可用性而不是一致性时，系统将始终处理查询并尝试返回信息的最新可用版本（即当前存储下的最新数据，绝非真正意义上的最新数据），即使由于网络分区，它无法保证信息是最新的。
当然，如果你可以保证 网络分区（P）正常的话，C 和 A 是可以同时存在的。
BASE理论
Basically Available（基本可用）：分布式系统在出现不可预见的故障时，允许损失部分可用性，即保证核心功能可用
Soft-state（软状态）：系统中的数据状态存在一定的过渡性，这种状态不要求一直保持强一致性，允许系统在不同节点的数据副本之间存在中间状态
Eventually Consistent（最终一致性）：系统不要求在所有时刻所有数据副本都保持完全一致，但随着时间的推移，经过一系列的更新操作后，各个数据副本最终会达到一致
什么叫允许损失部分可用性呢？
- 响应时间上的损失: 正常情况下，处理用户请求需要 0.5s 返回结果，但是由于系统出现故障，处理用户请求的时间变为 3 s。
- 系统功能上的损失：正常情况下，用户可以使用系统的全部功能，但是由于系统访问量突然剧增，系统的部分非核心功能无法使用。
软状态举例说明
在分布式缓存系统中，数据可能在更新过程中处于一种既不是旧值也不是新值的中间状态。假设一个缓存节点正在从数据库更新数据，在这个过程中，缓存中的数据可能和数据库中的数据不完全一致，这就是软状态。这种状态是暂时的，系统会在后续的操作中逐渐使数据达到一致。
