一、分布式系统设计的CAP理论：
Consistency：整个分布式系统内的各节点里，数据必须保证强一致性。
Avilability：整个分布式系统必须总能在有效的时间内给客户端正确的响应。
Partitioning：整个分布式系统内部各节点若发生网络分区，系统仍能保证可用性和强一致性。
通过论证，CAP三者不能同时兼得，最多只能兼得其二；
理论上有CP、AP、CA三种选择；
但在工程实践中，P是分布式系统要满足的前提，不能放弃，否则一旦网络分区，系统就可能不可用或数据不一致；
所以实际可选的策略只有CP、AP两个；
场景示例：用户提交订单，后台创建订单、然后向用户发送短信提醒。
套上业务场景分别说明：
-
CP：用户提交订单后，订单创建、短信发送都成功，才给用户界面返回成功提示。使用XA做事务协调者，保证强一致性；一致性要求，小并发。
-
AP：订单创建成功后，立即返回给用户端，通常是异步地调用短信发送逻辑；避免过多的占用资源，尽量避免调用链路的阻塞；用户响应更快，体验更佳。
短信这种非核心数据，难道就不管了吗，当然不是！
二、BASE理论
在【AP】策略下，如何【尽可能】地实现数据的一致性。
Basically Available（基本可用）：快速实现用户的基本价值与诉求。（“创建订单”后立即返回给用户端，就是基本可用的体现）
Soft state（软状态）：在业务操作没有最终完成前的中间状态。（订单创建后，短信记录未发或未发送成功前的过度状态）
Eventually consistent（最终一致性）：通过技术手段，过一段时间后才让数据保持完整的状态。
最终一致性可以通过下列手段来达到：
- 重试：通信失败，就重试，来保证一致。（MQ就提供了重试机制）
- 数据校对：周期性地进行多端数据对账和匹配，发现未对齐的就补偿。
- 人工介入：链路监控，可支持数据回放，排查出问题后人工补录。