一、描述
CAP是分布式系统设计理论（C ：Consistency一致性，A：Availability可用性，P：Partition Tolerance分区容错性），BASE是CAP理论中AP方案的延伸。
在分布式、微服务系统中，CAP定律三者无法同时兼顾，其中可以容忍网络之间出现的通讯故障，只能CP和AP二选一。
CP： 当网络出现故障之后，只能保证数据一致性，但是不能保证可用性(Zookeeper），意味着服务不能用；
AP： 当网络出现故障之后，不能保证数据一致性， 但是能保证可用性(比如Eureka)，意味着可允许短暂的数据不一致性，但最终需达到一致，其他节点可正常提供服务；
一致性
指强一致性，在分布式系统中的同一数据有多个副本的情形下，对于数据的更新操作体现出的效果与只有单份数据是一样的。要求数据被一致地更新，所有数据变动都是同步的。
白话理解：
在设计设计或者部署一个分布式系统时，假设存在两个Redis库，分别是Redis主和Redis从库，用户在往数据库插入一笔记录 ，那么会在保存到数据库的同时也会实时的插入到Redis缓存中，并且主从库保持同步，如果这时候向数据库查询，在网络延迟的情况下，在同一时刻，Redis主和Redis从库查询到的数据应该是一致性的，每个节点的数据是相同的，不能允许有脏读。
可用性
客户端在任何时刻对大规模数据系统的读/写操作都应该保证在限定延时内完成。即系统在面对各种异常时，依然可以响应客户端的读/写请求并提供正常服务。
白话理解：
假设在分布式部署中，有以下集群部署节点，如果Tomcat1出现故障，Nginx会自动做故障转移，自动将请求转移到Tomcat2和Tomcat3，Nginx故障转移可帮助我们实现集群环境的可用性
分区容忍性
以实际效果而言，分区相当于对通信的时限要求。系统如果不能在时限内达成数据一致性，就意味着发生了分区的情况（分布式系统一定会发生分区的情况的，因为存在网络中断、消息丢失等网络问题）。分区容忍性即指在网络中断、消息丢失的情况下，系统照样能够工作。
白话理解：
分区容错性是指系统能够容忍节点之间的网络通信的故障，假设我们有一台Tomcat服务器，部署在全国各地，像浙江节点、上海节点、武汉节点，但是可能出现其中某个节点由于网络故障不能使用，无法进行通讯；一般来说，现实中分区容错是无法避免的，因此可以认为 CAP的 P总是成立。CAP定理告诉我们，剩下的 C 和 A 无法同时做到。
BASE 理论
BASE 全称是 Basically Available(基本可用)、Soft State(软状态)和 Eventually Consistent(最终一致性)三个短语的缩写，来自 ebay 的架构师提出。
1、基本可用
基本可用是指分布式系统在出现不可预知故障的时候，允许损失部分可用性----注意，这绝不等价于系统不可用。比如：
（1）响应时间上的损失。正常情况下，一个在线搜索引擎需要在0.5秒之内返回给用户相应的查询结果，但由于出现故障，查询结果的响应时间增加了1~2秒
（2）系统功能上的损失：正常情况下，在一个电子商务网站上进行购物的时候，消费者几乎能够顺利完成每一笔订单，但是在一些节日大促购物高峰的时候，由于消费者的购物行为激增，为了保护购物系统的稳定性，部分消费者可能会被引导到一个降级页面
2、软状态
软状态指允许系统中的数据存在中间状态，并认为该中间状态的存在不会影响系统的整体可用性，即允许系统在不同节点的数据副本之间进行数据同步的过程存在延时
3、最终一致性
最终一致性强调的是所有的数据副本，在经过一段时间的同步之后，最终都能够达到一个一致的状态。因此，最终一致性的本质是需要系统保证最终数据能够达到一致，而不需要实时保证系统数据的强一致性。
