cap理论、base 定理、分布式事务的理解与相互关系

  一、网络分区肯定是就同一个集群而言的。对于不同集群来说， 正是因为集群间本就没有太多的交互，才需要从逻辑上分割成不同的集群，这些逻辑上不同的集群本就是可以独立对外提供服务的

  一个集群的各结点部署在一个机房的不同的子网（即不同的机器上，如 195.207.9.21、195.207.9.22、195.207.9.23），不可避免的会出现由于网络问题而导致结点之间通信失败，此时仍可对外提供服务，这就叫网络分区。如果所有的节点都部署在一个机器上，是不存在通信失败的情况的，除非节点挂了。

如何解决：
  尽量使用异步取代同步操作（同步操作由于网络问题经常会同步失败），例如使用异步方式将数据不同节点间的数据进行同步，这样结点之间能有效的实现松耦合。如果发生了网络分区，虽然数据是暂时不一致的，但最终结果一致的。分区容忍性分是分布式系统具备的基本能力

  二、一致性:一个集群内所有节点在同一时间的数据完全一致.
  一致性是指数据在多个副本之间能否保持一致的特性。在一致性的需求下，当一个系统在数据一致的状态下执行更新操作后，应该保证系统的数据仍然处于一直的状态。

  对于一个将数据副本分布在不同分布式节点上的系统来说，如果对第一个节点的数据进 行了更新操作并且更新成功后，却没有使得第二个节点上的数据得到相应的更新，于是在对第二个节点的数据进行读取操作时，获取的依然是老数据（或称为脏数 据），这就是典型的分布式数据不一致的情况。在分布式系统中，如果能够做到针对一个数据项的更新操作执行成功后，所有的用户都可以读取到其最新的值，那么 这样的系统就被认为具有强一致性。

  保证节点之间的数据的一致性就要做到节点之间的数据同步。

三、可用性

  可用性是指系统提供的服务必须一直处于可用的状态，对于用户的每一个操作请求总是能够在有限的时间内返回结果。这里的重点是"有限时间内"和"返回结果"。

  有限时间内"是指，对于用户的一个操作请求，系统必须能够在指定的时间内返回对 应的处理结果，如果超过了这个时间范围，那么系统就被认为是不可用的。另外，"有限的时间内"是指系统设计之初就设计好的运行指标，通常不同系统之间有很 大的不同，无论如何，对于用户请求，系统必须存在一个合理的响应时间，否则用户便会对系统感到失望。

  "返回结果"是可用性的另一个非常重要的指标，它要求系统在完成对用户请求的处理后，返回一个正常的响应结果。正常的响应结果通常能够明确地反映出队请求的处理结果，即成功或失败，而不是一个让用户感到困惑的返回结果。

四、cap 之间的相互影响

五、分布式事务产生的场景

  这里边所说的数据一致性和 cap 的数据一致性是不同的概念，在分布式事务中，由于存在网络通信，不同的服务单元会开启了不同的事务，每个事务处理的是不同的数据。

六、base 理论
  cap 理论强调的是集群的内部可用性、一致性、分区容错性。而 base 理论则对 cap 进行了升级演化，是对 CAP 中一致性和可用性权衡的结果，它强调的是系统，系统的内部会存在着多个集群。

  base 理论的三个特性：Basically Available(基本可用)，Soft state（软状态）,和 Eventually consistent（最终一致性)

1、基本可用呢：假设系统，出现了不可预知的故障，但还是能用，相比较正常的系统而言：

响应时间上的损失：正常情况下的搜索引擎 0.5 秒即返回给用户结果，而基本可用的搜索引擎可以在 1 秒作用返回结果。

功能上的损失：在一个电商网站上，正常情况下，用户可以顺利完成每一笔订单，但是到了大促期间，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、Soft state（软状态）
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。

3、Eventually consistent（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。

7、分布式事务与 base：
  分布式事务在 base 理论中解决的是软状态和一致性问题，根据不同的一致性要求使用不同的解决方案。二阶段、三阶段、tcc、mq等等，有些使用的是强一致性，有些是弱一致性。

参考 1
参考2