在分布式领域有个CAP理论(Brewer’s CAP Theorem) ，是说Consistency(一致性), Availability(可用性), Partition tolerance(分布) 三部分在系统实现只可同时满足二点，没法三者兼顾。
http://www.julianbrowne.com/article/viewer/brewers-cap-theorem
BTW，C有人认为用 Atomic 表示更加合适，只是用AAP定律显得......
原子性 参见 http://baike.baidu.com/view/600227.htm
整个事务中的所有操作，要么全部完成，要么全部不完成，不可能停滞在中间某个环节。事务在执行过程中发生错误，会被回滚（Rollback）到事务开始前的状态，就像这个事务从来没有执行过一样。
normal case:
A B share 通过一个数据V，里面有一个值V0,
1.A写入V1
2.N1用M消息来更新N2的V0 COPY
3.然后B读取出来
下面发生了 network partion
这种情况如何处理？
1. 牺牲P
就是说把所有的东西都放在一台机器或者是一个机架(atomically-fail?)。这样往往存在scaling的问题
2. 牺牲A
碰到 partition问题，影响相应的业务，直到数据一致前，业务一直是 unavailable
3. 牺牲C
B就不要太追求一致了，就把V0将就着用，但是应用需要能够处理这种不一致的情况
我们可以