CAP 概念
CAP 即 Consistency（一致性）、Availability（可用性）、Partition Tolerance（分区容错性）
- **一致性：**所有节点访问同一份最新的数据副本
- 可用性: 非故障的节点在合理的时间内返回合理的响应（不是错误或者超时的响应）。
- 分区容错性： 分布式系统出现网络分区的时候，仍然能够对外提供服务。
CP&AP
分布式系统中，多个节点之间的网络本来是连通的，但是因为某些故障某些节点之间不连通了，整个网络就分成了几块区域，这就是网络分区。
当发生网络分区的时候，如果要继续服务，那么 C 和 A 只能 2 选 1。也就是说当网络分区之后 P 是前提，分区容错性是必须要实现的。
因此，分布式系统理论上不可能选择 CA 架构，只能选择 CP 或者 AP 架构。 比如 ZooKeeper、HBase 就是 CP 架构，Cassandra、Eureka 就是 AP 架构，Nacos 不仅支持 CP 架构也支持 AP 架构。
为啥没有 CA 架构
举个例子：若系统出现“分区”，系统中的某个节点在进行写操作。为了保证 C， 必须要禁止其他节点的读写操作，这就和 A 发生冲突了。如果为了保证 A，其他节点的读写操作正常的话，那就和 C 发生冲突了。
当然如果系统大部分状态是网络分区正常，也就说不需要保证 P 的时候，C 和 A 能够同时保证。
BASE 概念
BASE 即 Basically Available（基本可用）、Soft-state（软状态） 和 Eventually Consistent（最终一致性）
**基本可用：**分布式系统出现故障时允许损失部分可用性。如响应时间拉长、部分系统功能不能访问。
**软状态：**允许系统中的数据存在中间状态，但不会影响系统的整体可用性
**最终一致性：**系统中所有的数据副本，在经过一段时间的同步后，最终能够达到一个一致的状态，不需要保证实时的数据一致性。
核心思想
即使无法做到强一致性，但每个应用都可以根据自身业务特点，采用适当的方式来使系统达到最终一致性。
在上面的 CAP 中说过，如果出现网络分区，那么通常要在 CP 和 AP 中权衡，而如果没有网络分区，那么就要考虑如何保证 CA 了，所以说 BASE 算是 AP 方案的延申补充。
因此，AP 方案只是在系统发生分区的时候放弃一致性，而不是永远放弃一致性。**在分区故障恢复后，系统应该达到最终一致性。**这一点其实就是 BASE 理论延伸的地方，由网络分区的 AP 变成网络不分区的 CA。
Paxos 算法
Paxos 算法是第一个被证明完备的分布式系统共识算法。共识算法的作用是**让分布式系统中的多个节点之间对某个提案达成一致的看法。**提案的含义在分布式系统中十分丰富，比如 Leader 节点选举、多个事件发生的顺序。
Paxos 算法 前提条件之一是没有恶意节点，即不存在拜占庭将军问题。
Paxos 核心
- Basic Paxos 算法：描述的是多节点之间如何就某个值达成共识。
- Multi-Paxos 思想：描述的是执行多个 Basic Paxos 实例，就一系列值达成共识。 说白了就是执行多次 Basic Paxos ，核心还是 Basic Paxos 。
Basic Paxos 算法 中存在 3 个重要的角色：
- 提议者（Proposer）：也可以叫做协调者（coordinator），提议者负责接受客户端的请求并发起提案。提案信息通常包括提案编号 (Proposal ID) 和提议的值 (Value)。
- 接受者（Acceptor）：也可以叫做投票员（voter），负责对提议者的提案进行投票，同时需要记住自己的投票历史；
- 学习者（Learner）：如果有超过半数接受者就某个提议达成了共识，那么学习者就需要接受这个提议，并就该提议作出运算，然后将运算结果返回给客户端。
为了减少实现该算法所需的节点数，一个节点可以身兼多个角色。并且，一个提案被选定需要被半数以上的 Acceptor 接受。
Raft 算法
paxos 算法的简化，更易实现。