说说CAP原则？
在一个分布式系统中，一致性，可用性、分区容错性只能同时满足两个。
|----------------------------|-----------------------------------------------------------|
| Partition tolerance（分区容错性） | 分布式系统在遇到任何网络分区故障的时候，仍然能够对外提供满足一致性 / 可用性的服务，除非整个网络环境都发生了故障 |
为什么CAP不可兼得呢？
对于分布式系统，网络分区是必然存在的，因为分布式系统都是跨网络分区部署的，所以分区容错性必然要满足。
然而在分区容错性满足的前提下，一致性和可用性只能二选一。
- 如果满足一致性，那么必须获取最新数据，当网络分区故障发生时，就可能会发生拒绝服务的情况
- 如果满足可用性，那么就不能拒绝服务，当网络分区故障发生时，就无法返回最新数据，只能返回旧数据
CAP对应的模型和应用？
CA without P：分布式系统中理论上P是必须满足的，但是这里指的是各子系统各自满足CA。集群数据库、xFS文件系统
CP without A：放弃 A（可用），相当于每个请求都需要在 Server 之间强一致，而 P（分区）会导致同步时间无限延长，如此 CP 也是可以保证的。很多传统的数据库分布式事务都属于这种模式。
CP 模型的常见应用：
- 分布式数据库
- 分布式锁
AP withou C：要高可用并允许分区，则需放弃一致性。一旦分区发生，节点之间可能会失去联系，为了高可用，每个节点只能用本地数据提供服务，而这样会导致全局数据的不一致性。现在众多的 NoSQL 都属于此类。
AP 模型常见应用：
- Web 缓存
- DNS
BASE理论了解吗？
BASE（Basically Available、Soft state、Eventual consistency）是基于 CAP 理论逐步演化而来的，核心思想是即便不能达到强一致性（Strong consistency），也可以根据应用特点采用适当的方式来达到最终一致性（Eventual consistency）的效果。
BASE 的主要含义：
- Basically Available（基本可用）
什么是基本可用呢？假设系统出现了不可预知的故障，但还是能用，只是相比较正常的系统而言，可能会有响应时间上的损失，或者功能上的降级。
- Soft State（软状态）
什么是硬状态呢？要求多个节点的数据副本都是一致的，这是一种"硬状态"。
软状态也称为弱状态，相比较硬状态而言，允许系统中的数据存在中间状态，并认为该状态不影响系统的整体可用性，即允许系统在多个不同节点的数据副本存在数据延时。
- Eventually Consistent（最终一致性）
上面说了软状态，但是不应该一直都是软状态。在一定时间后，应该到达一个最终的状态，保证所有副本保持数据一致性，从而达到数据的最终一致性。这个时间取决于网络延时、系统负载、数据复制方案设计等等因素。