CAP理论作为一种理论依据，在不同应用中，对—致性有不同的要求。
CAP理论：对于一个分布式系统，一致性(Consistency)、可用性(Availablity)和分区容忍性(Partition tolerance)三个特点最多只能三选二。
1 | 一致性 | 系统在执行了某些操作后仍处在一个一致的状态 | 所有的结点在同一时刻有相同的数据 |
2 | 可用性 | 对数据的所有操作都应有成功的返回。高可用性则是在系统升级(软件或硬件)或在网络系统中某些结点发生故障时仍可以正常返回。 | 任何请求不管成功或失败都有响应 |
3 | 分区容忍性 | 前提：网络发生故障时。在网络连接上，一些结点出现故障，使得原本连通的网络变成了多个分区，此时允许系统继续工作 |
在数据库系统中，事务的ACID属性保证了数据库的一致性。但是对于大型分布式系统来说，是和高性能不兼容的。
举例：网上买书时会锁住数据库直到买书行为彻底完成（否则库存数可能不一致）。买书完成的瞬间，所有人都能看到库存减少1本（两个人不能同时买书）。
出于系统性能的需求，Amazon也许会用Cache系统，剩余库存数也许是几秒甚至几个小时前的快照，而不非实时库存数，舍弃了一致性。
弱一致性理论BASE （Basically Available, Soft-state, Eventual consistency）
Basically Available | 基本可用 | |
Soft state | 软状态 | 可以理解为“无连接”的 |
Eventual consistency | 最终一致性 | 并不需要每个事务都一致，只需要最终整个系统（时间和系统的要求有关）看到的数据是一致的 Amazon平台卖书过程中，每个用户看到的库存数不一样，但最终卖完后库存数都为0 |
CAP理论三选二
组合 | 说明 |
CP（—致性和分区容忍性） | 考虑ACID理论 |
AP（可用性和分区容忍性） | 考虑BASE系统 |
CA （—致性和可用性） | 网络发生分区时，将不能进行完整操作 |
ACID理论和BASE比较
ACID | BASE |
强一致性 | 弱一致性 |
隔离性 | 优先考虑一致性 |
关注“操作提交” | 尽力服务 |
允许事务嵌套 | 结果对精确度要求不高 |
可用性 | 更简单、更快捷 |
比较“保守” | 比较“激进” |
难于演变 | 易于演变 |