分布式CAP理论应用
基本概念
一致性（Consistency）
可用性（Availability）
分区容错性（Partition Tolerance）
分布式系统理论上不可能选择 CA 架构，而必须选择 CP 或 AP 架构。
分布式事务 BASE 理论：AP方案，但是保证弱一致性（最终一致性）。
应用
服务注册中心：
Dubbo 的 Zookeeper，Spring Cloud 的 Eureka，Consul
RocketMQ 的 nameServer，HDFS 的 nameNode
ZK为CP方案，Eureka为AP方案。
Eureka 的创建初心就是为一个注册中心，但是 ZK 更多是作为分布式协调服务的存在。
分布式锁：
基于数据库实现分布式锁（不存在CAP）
基于 Redis 实现分布式锁（AP方案，效率高）
基于 Zookeeper 实现分布式锁（CP方案，效率低）
分布式事务：
ACID：追求强一致性模型,关系数据库的 ACID 模型拥有高一致性+可用性，所以很难进行分区。
没法分区也就是在分布式场景是没法用的。任何微服务相关的都是涉及CAP的。
对于分布式事务来说，都是保证最终一致性（BASE理论)。
解决方案：
两阶段提交（2PC）——(两阶段提交就是使用 XA 原理,由于是阻塞模式，基本不用)
补偿事务（TCC）——（服务化的两阶段编程模型）
本地消息表——（将分布式事务拆分成本地事务进行处理https://queue.acm.org/detail.cfm?id=1394128）
MQ 事务消息——（RocketMQ 中实现了分布式事务，实际上是对本地消息表的一个封装，将本地消息表移动到了 MQ 内部。）
同步/异步：
虽然同步刷盘/异步刷盘，同步/异步复制，并没有对 CAP 直接的应用，但在配置的过程中也一样涉及到可用性和一致性的考虑。
异步不能保证一致性。同步就会阻塞，牺牲性能。
