CAP原则:
Consistency(一致性): 在分布式系统中的所有数据备份，在同一时刻是否同样的值。（等同于所有节点访问同一份最新的数据副本）
Availability(可用性): 在集群中一部分节点故障后，集群整体是否还能响应客户端的读写请求。（对数据更新具备高可用性）
**Partition tolerance(分区容忍性):**一个分布式系统里面，节点组成的网络本来应该是连通的。然而可能因为一些故障，使得有些节点之间不连通了，整个网络就分成了几块区域，数据就散布在了这些不连通的区域中，这就叫分区。当一个数据项只在一个节点中保存，那么分区出现后，和这个节点不连通的部分就访问不到这个数据了，这时分区就是无法容忍的。提高分区容忍性的办法就是把数据项复制到多个节点上，容忍性就提高了。然而，要把数据复制到多个节点，就会带来一致性的问题，而要保证一致，每次写操作就都要等待全部节点写成功，而这等待又会带来可用性的问题.
CA:满足一致性和可用性，舍弃分区容错性 。但是这也就意味着你的系统不再是分布式的了，因为涉及分布式的架构模式就是把功能分开，部署到不同的机器上或容器上。
CP:满足一致性和分区容错性，舍弃可用性 。如果系统可以允许有一段时间的访问失效，就可以采用该模式了。比如执行购买车票操作，如果系统出现故障导致了集群中节点之间出现了数据一致性问题，那么后续再执行购买操作的时候系统就会提示异常无法访问了，直到数据一致性问题被修复解决。
AP:满足可用性和分区容错性，舍弃一致性。这也就是意味着如果系统因为某些异常，导致出现了数据不一致的情况，但是只要集群中还存在健康的服务，整体系统就可以一直提供对外的服务能力。
对于分布式微服务系统来说, 一般会保证P, 然后在A和C中做抉择.后面就演变出了BASE理论.
BASE: Basically Available （基本可用）、Soft state （软状态）和Eventually consistent （最终一致性）三个短语的简写，BASE是对CAP中一致性和可用性权衡的结果，核心思想就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）.
Eureka 是Netflix的核心模块之一。它是一个基于Rest的服务注册中心 ，用于定位服务，以实现云端中间层服务发现和故障转移。Eureka采用了C-S的设计架构(Eureka Server和Eureka Client),符合AP原则.
