CAP 理论、BASE 理论、FLP 理论

1.CAP 理论

C(Consistency) 一致性:

在写操作之后的所有读操作，必须要返回写入的值。

A(Availability) 可用性：

只要收到用户的请求，服务端就必须给出回应。

P(Partition tolerance) 分区容错性：

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。数据就散步在了这些不连通的区域中。这就叫分区；当你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。这个时候分区就是无法容错的。

notes：数据存在的节点越多，分区容错性越高，但要复制更新的数据就越多，一致性就越难保证。为了保证一致性，更新所有节点数据所需要的时间就越长，可用性就会降低。

2.BASE 理论

BASE(Basically Availabl, Softstate, Eventually consistent)：

CAP 理论的延申，核心思想是即使无法达到强一致性，但也可以采用适合的方式牺牲一定的一致性，从而达到最终一致性，以及换取一定的可用性。

Basically Available： 基本可用。是指分布式系统在出现故障的时候，允许损失部分可用性，即保证核心可用。

Softstate： 软状态。是指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。

Eventual Consistency：
最终一致性。是指分布式系统处于软状态的时间必须是有限的，在期限过后，应当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。这个时间期限取决于网络延时、系统负载、数据复制方案设计等因素。

最终一致性在实际工程实践中，分为5种：

1.因果一致性（Causal consistency）：

如果节点A在更新完某个数据之后通知了节点 B，那么节点B之后对该数据的访问和修改都是基于A更新后的值。与此同时，和节点A无因果关系的节点C的数据访问则没有这样的限制。

2.读己之所写（Read Your writes）

节点A更新一个数据后，它自己总是能访问到自身更新过的最新值，而不会看到旧值。属于因果一致性的一种特殊情况。

3.会话一致性（Session consistency）

会话一致性将对系统数据的访问过程框定在了一个会话当中：系统能保证在同一个有效的会话中实现“读己之所写”的一致性，也就是说，执行更新操作之后，客户端能够在同一个会话种始终读取到该数据项的最新值。（PS:其实这很像关系型数据库中的可重复读事务隔离级别。）

4.单调读一致性（Monotonic read consistency）

如果一个节点从系统中读取出一个数据项的某个值之后，那么系统对于该节点后续的任何数据访问都不应返回更旧的值。

5.单调写一致性（Monotonic write consistency）

一个系统要能够保证来自同一个节点的写操作被顺序的执行（与禁止指令重排序有点像）。

在实际的项目中，这五种方案往往会结合使用，用以构建分布式系统的最终一致性。