1.共识算法：
分别解决非拜占庭的普通错误和解决拜占庭错误，相应算法分为crash fault tolerance(CFT)和byzantine fault tolerance(BFT).
对于CFT的算法有：Paxos,Raft及其变种。特点：性能好，处理快，容忍不超过一半的故障节点。
对于BFT的算法有：PBFT(practical byzantine fault tolerance)确定性算法
PoW(proof of work)为代表的概率算法。
对于确定性算法，一旦达成某个共识就不可逆转，即共识是最终结果；
而对于概率类算法，共识结果则是临时的，随着时间推移或某种强化，共识结果被推翻的概率越来越小，成为事实上的最终结果。
拜占庭类容错算法往往性能较差，容忍不超过1/3的故障节点。
XFT(cross fault tolerance)改进算法可以提供类似CFT的处理响应速度，并能在多数节点正常工作时提供BFT保障。
2.FLP不可能原理
定义：在网络可靠，但允许节点失败（即便只有一个）的最小化异步模型系统中，不可能存在一个可以解决一致性问题的确定性公式算法。
理解：
同步：指系统中的各个节点的时钟存在上限；并且消息传递必须在一定时间内完成，否则认为是失败的；同时各个节点完成处理消息的时间是一定的。
异步：指系统中各个节点可能存在较大的时钟误差，同时消息传输时间是任意长的，各个节点对消息进行处理的时间也是任意长的。
3.CAP原理
定义：分布式计算系统不可能同时确保以下三个特性：一致性，可用性、分区容忍性性（可靠性，稳定性）。
一致性：任何操作都应该是原子的，发生在后面的事件能看到前面事件发生导致的结果。这里说的是强一致性。
可用性：在有限时间内，任何非失败节点都能应答请求；
分区容忍性：网络可能发生在分区，即节点之间的通信不可保障。
应用场景：
（1）弱化可用性
（2）弱化可用性
（3）弱化分区容忍性
4.ACID原则
定义：Actomicity(原子性) Consistency(一致性) Isolation(隔离性) Durability(持久性)
该原则描述了分布式数据库需要满足的一致性要求，同时允许付出可用性的代价。
与该原则相对立的是BASE原则。该原则牺牲掉对一致性的约束，来换取一定的可用性。