CAP總結

C   :一致性（consistency）其實就是數據庫中的ACID

A   :可用性（availability）   對一個系統而言，全部的請求都應該在一段時間內‘成功’而且收到’返回’，其實就是不丟報文，老是能響應，可能有延遲。強調下，可用性是系統中每一個沒有問題的節點在接受請求的時候，可以正確響應。舉個例子：ca集羣下，若是出現分區，全部節點都沒法運轉，按照常規的「可用性」看的話，咱們認爲這種狀況是缺少「可用性的」，這裏的「可用性」跟cap中的a是有區別的。a是有前提的，即針對於正常運轉的節點

P   :分區容錯（partiion-tolerance）所指就是分佈式系統的容錯性。節點crash或者網絡分片都不該該致使一個分佈式系統中止服務，放棄Partition-tolerance意味着把全部的機器搬到一臺機器內部。也就是單點跟多節點的問題，多節點具備容錯性，單點沒有

假設兩個節點集{G1, G2}，因爲網絡分片致使G1和G2之間全部的通信都斷開了，若是在G1中寫，在G2中讀剛寫的數據， G2中返回的值不可能G1中的寫值。因爲A的要求，G2必定要返回此次讀請求，因爲P的存在，也便是多節點狀況下，其中一個節點的數據不是最新的，致使C必定是不可知足的。

·放棄P：若是想避免分區容錯性問題的發生，一種作法是將全部的數據(與事務相關的)都放到一臺機器上。雖然沒法100%地保證系統不會出錯，但不會碰到由分區帶來的負面效果。固然，這個選擇會嚴重影響系統的擴展性。單節點的典型表明就是關係型數據庫，支持CA

·放棄A：相對於放棄「分區容錯性」來講，其反面就是放棄可用性。一旦遇到分區容錯故障，那麼受到影響的服務須要等待數據一致，所以在等待期間系統就沒法對外提供服務，也就是CP。若是不須要數據的強一致性，能夠當即進行響應，會致使數據的不一致，也就是AP

·放棄C：這裏所說的放棄一致性，並非徹底放棄數據的一致性，而是放棄數據的強一致性，而保留數據的最終一致性。在分佈式環境中，放棄強一致性，能夠當即進行響應，雖然數據會形成不一致。

base原則其實放棄c，實現最終一致性的AP