分布式系统的 CAP 原则与 BASE 原则理解
最近在准备面试，正把平时积累的笔记、项目中遇到的问题与解决方案、对核心原理的理解，以及高频业务场景的应对策略系统梳理一遍，既能加深记忆，也能让知识体系更扎实，供大家参考，欢迎讨论。
在分布式系统的设计中，CAP 原则和 BASE 原则是两个非常重要的基础概念。理解它们可以帮助我们在系统设计时做出合理的权衡和选择，软件世界没有完美的解决方案，都是根据业务场景来取舍。
一、CAP 原则
CAP 原则由 Eric Brewer 提出，是分布式系统设计的基本理论：
-
Consistency（一致性）
所有节点在同一时间看到的数据应该是一致的。也就是说，如果一个节点上的数据被修改，其他节点也应该立即看到相同的变化。 -
Availability（可用性）
系统必须保证每次请求都能收到响应，无论是成功还是失败。可用性要求系统对外服务不宕机，不能因为部分节点不可用而完全阻塞请求。 -
Partition Tolerance（分区容错性）
系统在面对网络分区或节点故障时仍能正常运行。即使节点之间无法通信，系统也要保证服务可用或数据一致。分区容错性必须需要的，不能让分布式系统瘫痪啊。
为什么 CAP 原则最多只能满足两个？
假设有两个数据中心 A 和 B，它们之间的网络突然断开，节点无法互相同步数据：
- 如果选择 一致性 + 分区容错性（C+P），只允许A或B其中一个节点处理写请求，以保证数据不冲突，这样可用性就被牺牲了。
- 如果选择 可用性 + 分区容错性（A+P），两个数据中心都能继续工作，但数据可能暂时不一致，导致一致性被牺牲。
也就是说，在网络分区不可避免的情况下，系统只能在 一致性 和 可用性 之间做权衡。
二、BASE 原则
BASE 原则是对 CAP 的一种现实妥协，它强调系统在可伸缩性和高可用性上的实践：
- Basically Available（基本可用）：系统在大多数情况下可以提供服务。
- Soft state（软状态）：系统状态可以随时间而变化，不要求立即一致。
- Eventual consistency（最终一致性）：系统最终会达到一致性状态，但允许短时间内不一致。
BASE 原则多用于大规模分布式系统，如电商、社交平台，通过牺牲强一致性换取高可用和扩展性。
三、CAP 与 BASE 的关系
- CAP：理论层面，告诉我们在分布式系统中 一致性、可用性、分区容错性不能同时完全满足。
- BASE：实践层面，提供可用的解决方案，让系统在保证高可用的同时，通过最终一致性机制处理数据冲突。
简单来说，CAP 是“理论上的不可能三角”，BASE 是“实践中的折中策略”。
看图理解：
