CAP、BASE、ACID
CAP定理
定义
CAP定理（CAP theorem），它指出对于一个分布式计算系统来说，不可能同时满足以下三点：
- 一致性（Consistency） （等同于所有节点访问同一份最新的数据副本；写操作之后的读操作，必须返回该值）
- 可用性（Availability）（每次请求都能获取到非错的响应——但是不保证获取的数据为最新数据）
- 分区容错性（Partition tolerance）（以实际效果而言，分区相当于对通信的时限要求。系统如果不能在时限内达成数据一致性，就意味着发生了分区的情况，必须就当前操作在C和A之间做出选择。）
根据定理，分布式系统只能满足三项中的两项而不可能满足全部三项。
为什么不能同时满足 C、A、P？
在分布式系统中，假设系统有两个节点分属两个分区。
- 允许至少一个节点更新状态会导致数据不一致，即丧失了C性质。
- 如果为了保证数据一致性，将分区一侧的节点设置为不可用，那么又丧失了A性质。
- 除非两个节点可以互相通信（相当于没有分区），才能既保证C又保证A，这又会导致丧失P性质。
如何取舍及示例
TODO
BASE
定义
BASE是指基本可用（Basically Available）、软状态（ Soft State）、最终一致性（ Eventual Consistency）。
与CAP的关系
BASE是对CAP中一致性和可用性权衡的结果，其来源于对大规模互联网系统分布式实践的结论，是基于CAP定理逐步演化而来的，其核心思想是即使无法做到强一致性（Strong consistency），但每个应用都可以根据自身的业务特点，采用适当的方式来使系统达到最终一致性（Eventual consistency）
BASE三要素
- 基本可用（Basically Available）：指分布式系统在出现不可预知故障的时候，允许损失部分可用性。
- 响应时间上的损失，原来需要 50ms 响应的接口现在增加到 1-2s
- 功能上的损失，服务降级等
- 弱状态（ Soft State）：也称为软状态，和硬状态相对，是指允许系统中的数据存在中间状态，并认为该中间状态的存在不会影响系统的整体可用性，即允许系统在不同节点的数据副本之间进行数据同步的过程存在延时。
- 最终一致性（ Eventual Consistency）：强调的是系统中所有的数据副本，在经过一段时间的同步后，最终能够达到一个一致的状态。因此，最终一致性的本质是需要系统保证最终数据能够达到一致，而不需要实时保证系统数据的强一致性。
ACID
定义
数据库管理系统（DBMS）在写入或更新资料的过程中，为保证事务（transaction）是正确可靠的，所必须具备的四个特性：原子性（atomicity，或称不可分割性）、一致性（consistency）、隔离性（isolation，又称独立性）、持久性（durability）
ACID 与 BASE
ACID是事务的四个基本性质，属于传统数据库常用的设计理念，追求强一致性模型，详见事务的ACID和四个隔离级别。BASE支持的是大型分布式系统，提出通过牺牲强一致性获得高可用性（与分区容错性）。
