CAP定理
- Consistency 数据一致性，分布式系统中各个服务节点的数据要一致，访问不同节点获取的数据要一致
- Availability 可用性，分布式系统中每个服务都要保证可用
- Partition tolerance 分区容错性，分布式系统中由于网络问题导致部分节点与其他节点失去连接，形成独立分区，即便出现分区，整个系统也要持续对外提供服务。
由于网络问题是不可完全避免的，所以分区容错性P是必须要满足的，但出现分区情况就不能同时保证数据一致性C和可用性A，因为出现网络故障时，要保证数据一致性C的话，节点间不能进行数据同步，网络有问题的节点就会一直阻塞等待数据同步，从而导致节点服务不可用，不能保证可用性A。要保证可用性A的话，节点间数据不能同步，就不能保证数据一致性C。
因此，CAP定理有两种情况，AP 和 CP
BASE理论
BASE理论是对CAP无法同时满足CAP的一种解决思路，包含三个思想：
- Basecally Available(基本可以)：分布式系统在出现故障时，允许损失部分可用性，即保证核心可用。
- Soft State（软状态）：在一定时间内，允许出现中间状态，比如临时的不一致状态。
- Evevtually Consistent（最终一致性）：虽然无法保证强一致性，但是在软状态结束后，最终达到数据一致。
CAP定理和BASE理论可用于解决分布式事务的问题
- AP模式，各微服务的分支事务各自执行并提交，允许出现结果不一致，然后采取弥补措施恢复数据即可，实现最终一致
- CP模式，各微服务的分支事务各自执行完后相互等待，同时提交/回滚，达成 强一致，但事务等待过程中，会锁定资源，使系统处于弱可用状态。
无论是AP还是CP,都需要获取其他微服务的事务状态，因此需要一个事务协调者（Seata中的TC）来与每一个子事务通信，来协调每一个子事务
注：每一个微服务的子系统事务，称为分支事务；有关联的各个分支事务在一起称为全局事务