分布式CAP、一致性模型、BASE

CAP：
一致性（Consistency）、可用性（Availability）、分区容错性（Partition tolerance）。
一致性：从不同数据副本，读到的数据一致。
    强一致性：读到的数据一致。
    弱一致性：读到的数据可能一致。
    最终一致性：一段时间后，读到的数据一致。
可用性：操作是否能完成。如：发出请求后，是否能得到正常的响应。
分区容错性：分区故障，系统仍能支撑运行。

分布式中，想满足一致性，那么必须等待数据同步，在数据同步期间不满足可用；想满足可用性，就不能等待数据同步完成，不能满足一致性。
分布式中，一致性和可用性无法同时满足，所以最多只能满足CP或者AP。如果满足了CA，不满足P，就不是分布式了。

强一致性模型：
Strict Consistency（严格一致）：关系数据库
Linearizable Consistency（线性一致）
Sequential Consistency（连续一致）
弱一致性模型：
Causal Consistency（因果一致）：如：微信朋友圈回复。
Eventual Consistency（最终一致）：如：Mysql异步复制。

https://www.cnblogs.com/hzmark/p/consistency_model.html
http://loopjump.com/distributed_consistency_model/

BASE是Basically Available（基本可用）、Soft state（软状态）和Eventually consistent（最终一致性）。
基本可用：损失部分可用性。
如：
    响应延迟：在线搜索的结果返回从0.5秒延迟到1到2秒。
    服务降级：购物高峰，点击购买，部分消费者被引导到一个降级页面：服务器繁忙，请稍后重试。
软状态：允许数据同步延迟。    

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，提出通过牺牲强一致性获得高可用性。

ACID和BASE代表了两种截然相反的设计哲学。

在分布式系统设计的场景中，系统组件对一致性要求是不同的，因此ACID和BASE又会结合使用。

本文地址：https://blog.csdn.net/haoranhaoshi/article/details/109646162