P82 强一致还是保可用？Base 理论又是什么？
面试题：什么是 CAP 定理？什么是 BASE 理论？分布式系统怎么取舍？
1. CAP 定理
分布式系统最多只能同时满足两个：
- C（Consistency）一致性：所有节点同一时刻看到同一份数据；
- A（Availability）可用性：每个请求都能得到响应（不保证数据最新）；
- P（Partition tolerance）分区容错性：网络分区（断网/节点失联）时系统仍能工作。
网络分区在分布式环境必然发生，所以 P 必须选，实际是在 CP 和 AP 之间二选一：
- CP：牺牲可用性保证一致（ZooKeeper、etcd）；
- AP：保证可用，数据最终一致（Eureka、大多数电商场景）。
2. 什么是 BASE 理论（对 AP 的扩展）
text
B: Basically Available（基本可用）
A: Soft State（软状态）
E: Eventually Consistent（最终一致）- 基本可用：系统出问题时，允许损失部分功能/响应变慢，但整体可用（如降级、限流）；
- 软状态：允许数据存在中间状态（不同节点数据暂时不一致）；
- 最终一致：经过一段时间（无新写入），所有副本最终达成一致。
3. BASE 与 ACID 的关系
- ACID 是单机/强一致模型（原子性、一致性、隔离性、持久性）；
- BASE 是分布式弱一致模型：放弃强一致，换取高可用和性能，通过补偿/重试达到最终一致。
4. 实际应用
| 场景 | 选择 |
|---|---|
| 支付/转账/库存强扣减 | 强一致（DB 事务、分布式锁、CP） |
| 订单状态/用户资料 | 最终一致（MQ + 重试 + 对账） |
| 注册中心 | Eureka（AP）vs ZK（CP）各有所取 |
| 缓存与 DB | Cache-Aside 最终一致 |
5. 加分点
- 说清"CAP 中的 C 是线性一致性，BASE 的最终一致是放宽版"；
- 提到实现最终一致的手段：消息队列、幂等、重试、对账补偿、本地消息表/事务消息；
- 追问"能不能同时满足 C 和 A"：无分区时可以（单机），分布式下不行；
- 强调 CAP 是"网络分区时"的取舍，不是随时三选二。
一句话总结
CAP：分布式下 P 必选，在强一致（CP）和高可用（AP）间取舍；BASE 是 AP 的落地理论——基本可用 + 软状态 + 最终一致，用 MQ、幂等、重试、对账把一致性从"强"放宽到"最终"，换取可用性和性能。