01
—
CAP
CAP理论告诉我们，一个分布式系统不可能同时满足一致性、可用性、分区容错性，最多只能保证两个；
C（consistency）一致性
A（availability）可用性
P（partition tolerance）分区容错性
一致性
在分布式环境中，多个数据副本之间能否保持一致的特性，比如说对一个节点上的数据进行更新后，另外一个节点上的数据是否能够得到更新，如果第二个节点上获取的依旧是老数据，这就出现了数据不一致的问题（那用户不蒙蒙哒了么）
可用性
系统必须一直处于可用的状态，简单点说就是：别管用户什么时候访问你的系统，都是好使的；
分区容错性
因为分布式系统各个节点可能部署在不同的网络分区上，而且各个节点之间还要保持通讯，其中任何网络分区出现故障的时候，都要保证系统对外能提供一致性和可用性的服务，这就是分区容错性，举个例子如下图：
从CAP理论可以看出，一个分布式系统不可能同时满足以上3点，另外，分区容错性对分布式系统来说，这是最基本的要求，原因是：既然是分布式系统，那么系统的中的组件必然会部署到不同的网络节点，那么网络发生异常这是很正常的（购物网站系统中某一个服务或者组件的调用发生异常了，整个网站就无法访问了，这样的话太扯了不是吗
），因此架构师的经历往往集中在，如何根据业务特点做到一致性和可用性之间的平衡，也就有了后来的BASE理论...
02
—
BASE
BASE理论是对于分布式系统中一致性和可用性权衡得到的结果，其来源于大规模互联网系统分布式实践的经验，有eBay架构师提出；
BA（basic available）基本可用
S（soft status）软转态
E（eventually consistency）最终一致性
BASE理论的核心点在于，即使无法做到强一致性，但每个应用都应该结合自身的业务特点，采取一定的措施做到最终一致性；
基本可用
指的是分布式系统出现一些故障的时候，可以损失部分功能（上面那个图，用户无法下单，但可以浏览）
软状态
指的是系统中的数据存在中间状态，并认为该状态不会影响系统整体的可用性，即：允许系统在不同节点上的数据同步存在延迟；
最终一致性
最终一致性强调的是，在经过一段时间后，系统在不同节点上的数据会达到一致；（想象一下mysql的主从同步，就是最终一致性了吧）
总的来说BASE理论面向的是大型高可用可扩展的分布式系统，它强调的是通过牺牲强一直性来保证系统的高可用，并且允许数据在一段时间（根据实际情况而定，有可能毫秒延迟，也有可能分钟级别等等）内是不一致的，但最终能达到一致的状态；
03
—
思考
针对上面聊的我们再简单讨论一下（只针对这个例子的结构），笔者画了一个简单的系统图如下：
高可用
用户那层通过负载均衡等一些策略就可以保证，请求节点1发现挂了，那就请求节点2，而数据库层可以通过集群方式控制；
分区容错性
业务系统调用户系统，由于网络不通导致失败，可以通过熔断机制等等来控制（直接给用户返回一个失败的页面）
一致性
网3里的mysql主从之间同步，是弱一致性，业务不用从库了，只用一个主库，那这没问题了，数据也能达到强一致性（因为就主库自己么），但是此时系统的高可用性是不是也下来了你想想看；
