1.CAP理论
CAP原则包含以下三个元素：
- C(Consistency)： 一致性。在分布式系统中的所有数据备份，在同一时刻具有同样的值，所有节点在同一时刻读取的数据都是最新的数据副本。
- A(Availability)：可用性，好的响应性能。完全的可用性指的是在任何故障模型下，服务都会在有限的时间内处理完成井进行响应。
- P(Partition tolerance)：分区容忍性。尽管网络上有部分消息丢失，但系统仍然可继续工作。
CAP 原理证明，任何分布式系统只可同时满足以上两点，无法三者兼顾。由于分布式的服务化系统都需要满足分区容忍性，那么我们必须在一致性和可用性之间进行权衡。如果在网络上有消息丢失，也就是出现了网络分区，则复制操作可能会被延后，如果这时我们的使用方等待复制完成再返回，则可能导致在有限时间内无法返回，就失去了可用性；而如果使用方不等待复制完成， 而在主分片写完后直接返回，则具有了可用性，但是失去了一致性。
2.一致性问题 consistency problem
2.1定义
在分布式系统中，一致性问题是指对于一组服务器，给定一组操作，我们需要一个协议使得最后它们的结果达成一致。
2.2分类
- 严格一致性 strict consistency
对于数据项x的任何读操作将返回最近一次对x进行的写操作的结果所对应的值。
理想情况。依赖于绝对的全局时间。在系统不发生任何故障，而且所有节点之间的通信无需任何时间的理想条件下，才能达到。 - 强一致性 strong consistency
当分布式系统中更新操作完成之后，任何多个进程或线程，访问系统都会获得最新的值。
分为：- 顺序一致性：任何执行结果都是相同的，就好像所有进程对数据存储的读、写操作是按某种序列顺序执行的，并且每个进程的操作按照程序所指定的顺序出现在这个序列中 。
（1）每个线程内部的指令都是按照程序规定的顺序（program order）执行的（单个线程的视角）
（2）线程执行的交错顺序可以是任意的，但是所有线程所看见的整个程序的总体执行顺序都是一样的（整个程序的视角） - 线性一致性：假设操作具有一个全局有效时钟的时间戳，但是这个时钟仅具有有限的精确度。要求时间戳在前的进程先执行。线性化是根据一系列同步时钟确定序列顺序的 。
- 顺序一致性：任何执行结果都是相同的，就好像所有进程对数据存储的读、写操作是按某种序列顺序执行的，并且每个进程的操作按照程序所指定的顺序出现在这个序列中 。
- 弱一致性 weak consistency
系统并不保证后续进程或线程的访问都会返回最新的更新的值。 - 最终一致性 eventual consistency
弱一致性的特定形式。系统保证在没有后续更新的前提下，系统最终返回上一次更新操作的值。
3.共识性问题 consensus problem
3.1定义
分布式系统中多个节点达成一致性结果的过程。
共识算法解决的就是这个过程。通常情况下，每个机器是相同的确定性状态机，只要初始状态和指令顺序相同，就可以保证同样的结果状态。因此最关键的就是多个事件的排序达成共识。
3.2算法
根据解决的是非拜占庭的普通错误情况还是拜占庭错误情况，共识算法可以分为Crash Fault Tolerance（CFT）类算法和Byzantine Fault Tolerance（BFT）类算法。
- 非拜占庭容错类算法(出现故障但不伪造信息)：Paxos，Raft。
- 拜占庭容错类算法(伪造信息恶意响应)：PBFT为代表的确定性系列算法，PoW为代表的概率算法。对于确定性算法，一旦达成对某个结果的共识就不可逆转，即共识是最终结果；而对于概率类算法，共识结果则是临时的，随着时间推移或某种强化，共识结果被推翻的概率越来越小，成为事实上的最终结果。
4.一致性与共识性区别
一致性描述的是数据的状态，共识性描述的是达成一致性的过程。
要保证系统符合某一程度的一致性，需要通过共识算法来达成。
