声明下，cap理论有点模糊，理解的可能不到位。
——————————————————————————————————————————————
CAP是相对传统的ACID数据库事务特性提出来的。
CAP分别是三个概念，C-consistency一致性、A-available可用性、P-partition tolerance分区容错性（就是分区）。
CAP定律说的是在一个分布式计算机系统中，一致性，可用性和分区容错性这三种保证无法同时得到满足，最多满足两个。
——CA，其实就是指传统数据库；
——AP，就是牺牲一致性，保证可用性和分区容错性，大多数nosql数据库都是此类。NoSQL系统通常注重性能和扩展性，而非事务机制；
——CP，我们说大多数nosql是AP类型的，但是我们常用的nosql数据库，像redis和mongodb又是CP类型的。为了保证一致性牺牲了可用性。以MongoDB为例，一般都是很多节点协同工作的，即满足分区容错性；同时也有一套完整的数据复制机制，虽然不是严格一致性，但是能保证最终一致性。主节点和子节点之间数据有一定概率（网络延迟）存在不一致，但是能最终一致，即满足C；在网络分区的情况下，如果主节点挂了，那么当服务再次可用之前，要做的事情还是很多的，比如选举新的主节点，节点间数据同步，数据回滚等等，这些都降低服务的可用性，即降低了A。
———————————————————————————————————————————————
根据CAP理论，又引出了BASE理论：
——BA，base available，基本可用；电商大促时，为了应对访问量激增，部分用户可能会被引导到降级页面，服务层也可能只提供降级服务。这就是损失部分可用性的体现。
——S，soft state，软状态；软状态是指允许系统存在中间状态，而该中间状态不会影响系统整体可用性。分布式存储中一般一份数据至少会有三个副本，允许不同节点间副本同步的延时就是软状态的体现。mysql replication的异步复制也是一种体现。
——E，eventually consistency，最终一致性。最终一致性是指系统中的所有数据副本经过一定时间后，最终能够达到一致的状态。弱一致性和强一致性相反，最终一致性是弱一致性的一种特殊情况。
在分布式系统中，总而言之，就是牺牲强一致性，来活得高可用性，最终实现一致性。