CAP定理
CAP理论为: 一个分布式系统最多只能通化市满足一致性(Consistency)，可用性(Availability)，和分区容错性(Partition tolerance)这三项中的两项。
一致性(Consistency): 一致性指,即更新操作成功并返回客户端完成后，所有节点在同一时间的数据完全一致。
一致性分为三种：
强一致性：要么一起成功，要么一起失败。
弱一致性：最终一致性
顺序一致性：
可用性(Availability): 可用性指，即服务一直可用，而且是正常相应时间。
分区容错性(Partition tolearance): 分区容错性指，即分布式系统在遇到某节点或网络分区故障的时候(某一块区域的服务全部挂掉)，任能对外提供满足一致性和可用性的服务(其他区域的服务来接入该区域的请求)。
CAP权衡
通过CAP理论,我们知道无法同时满足一致性,可用性,分区容错性这三个特征,那么要舍弃那个呢？
对于大多数互联网应用的场景，主机多，部署分散，而且现在的集群规模越来越大，所以节点故障，网络故障，而且要保证服务可用性高达N个9(999.999N%)，既保证A和P，舍弃C(退而求其次保证最终一致性)。虽然某些地方会影响客户体验，但没达到造成用户流程的严重程度。
对于涉及到钱财这样不能有一丝让步的场景，C必须保证。网络发生故障宁可停止服务，这是保证CA，舍弃P。还有一种保证CP，舍弃A。例如网络故障时只读不写。
总之一句话: CP系统：与钱有关的业务系统(金融系统)一定要满足强一致性。 AP理论：与钱无关的系统则可以使用。
BASS理论
BASS理论是对CAP定理的延伸，核心思想是即使无法做到强一致性(CAP定理中的一致性就是强一致性)，但应用可以采用适合的方式达到最终一致性。
基本可用(Basicall Available):基本可用是指分布式系统在出现故障的时候，允许损失部分可用性，既保证核心模块可用即可。电商大促时，为了应对访问量激增，部分用户可能会被引导到降级页面，服务层也可能只提供将及服务。这就损失部分可用性的体现。
软状态(Soft state): 软状态是指允许系统有中间状态，而该中间状态不会影响系统整体可用性。分布式存储中一般一份数据至少会有三个副本，允许不同节点间副本同步的延时就是软状态的表现。MySQL Replication的异步复制也是一种体现。
最终一致性(Eventual Consistency): 最终一致性是指系统中的所有数据副本经过一定时间后，最终能达到一致的状态 。弱一致性和强一致性相反,最终一致性是弱一致性的一种特殊状态。
ACID和BASE的区别和联系
ACID是传统数据库常用的设计理念，追求强一致性模型。BASE支持的是大型分布式系统，提出牺牲强一致性保证高可用。
ACID和BASE代表了来个那种截然不同的设计哲学，在分布式系统设计场景中，系统组件对一致性的要求是不同的，因此ACID与BASE又会结合使用。
