CAP理论：
Consistency，一致性：多个操作同时生效，不会出现部分生效的情况
Availability，可用性：客户端的每个请求在服务端能够正确被响应
Partition tolerance，分区容错性：分区中部分节点挂了不会影响整体服务可用性
分区容错性是一个分布式系统最基本的要求，因此一般分布式系统都会满足分区容错性
分布式系统一般会在C（一致性）和A（可用性）上做出取舍
例：
server-01 (update i = 1) => server-02 通信网络故障时，user请求获取server-02 的i ,由于数据未同步，什么办呢？
1、牺牲一致性，响应旧的i 给user
2、牺牲可用性，阻塞等待 直到网络回复，数据更新完，在响应给user
AP：放弃了强一致性
CP：放弃了可用性,影响用户体验。
一般情况下，都需要牺牲强一致性来换取系统的高可用性。
牺牲掉系统的'强一致性'，最终是一致的，既'弱一致性'或'最终一致性'，服务延迟或down机整个系统不可用，也是强一致性的表现。
为了保证数据的最终一致性，需要很多的技术方案来支持，比如分布式事务、分布式锁等
分布式锁一般有三种实现方式：
一、数据库锁
数据库中创建一个method_lock表 method_name做唯一约束，然后通过操作该表中的数据来实现了
要锁住某个方法或资源时，我们就在该表中增加一条记录，想要释放锁的时候就删除这条记录
基于数据库锁的缺点：
1.1、基于数据库 影响可用性和性能，需要双机部署 数据同步 主备切换，同时依赖数据库一些资源开销等
1.2、不可重入
1.3、没有锁失效机制：如 insert成功 down机了 对应数据没有删除，服务恢复后一致获取不到锁
1.4、不具备阻塞锁特性
二、Redis的分布式锁
基于缓存来实现、可以集群部署
使用setnx加锁，并使用expire命令为锁添加一个超时时间，超过该时间自动释放锁
三、基于ZooKeeper的分布式锁
基于zookeeper临时有序节点可以实现的分布式锁 （对应的方法临时有序结点）
每个客户端对某个方法加锁时，在zookeeper上的与该方法对应的指定节点的目录下，生成一个唯一的瞬时有序节点。
判断是否获取锁的方式很简单，只需要判断有序节点中序号最小的一个。
当释放锁的时候，只需将这个瞬时节点删除即可。
同时，可以避免服务宕机导致的锁无法释放，而产生的死锁问题。
具备高可用、可重入、阻塞锁特性、可解决失效死锁问题，因为需要频繁的创建和删除节点，性能上不如Redis方式
相对于CAP理论：BASE是对CAP中一致性和可用性权衡的结果
BASE是Basically Available（基本可用）、Soft state（软状态）和Eventually consistent（最终一致性）