云计算平台是非常巨大的分布式系统，需要处理庞大的处理请求，因此任何小概率事件在此平台中都必然发生。
DBMS强调ACID：原子性(Atomicity)、一致性(Consistency)、隔离性(Isolation)、持久性 (Durability)。其中的一致性强调当程序员定义的事务完成时，数据库处于一致的状态，如对于转帐来说，事务完成时必须是A少了多少钱B就多了多少钱。而对于很多互联网应用来说，对于一致性和隔离性的要求可以降低，而可用性(Availability)的要求则更为明显。从而产生了两种弱一致性的理论：BASE和CAP。
BASE：Basically Availble --基本可用；Soft-state --；Eventual Consistency --最终一致性
CAP： Consistency 一致性；Availability 可用性； Tolerance of network Partition 分区容忍性（可理解为部分节点故障或节点之间连接故障下系统仍可正常工作）。Brewer提出的该经验理论认为这三个目标最多只能达成两个，而另一个则需要通过其他方式来弥补。
如果网络中不存在分区，客户端和存储系统在同一环境中，通过分布式事务机制可以保证一致性和可用性。但在大型网络系统中，分区是必然存在的，因此一般的选择只能是在一致性和可用性之间权衡和折衷。如Ebay的经验尽可能保证可用性，但采用周密调整数据库操作的次序、异步恢复事件，以及数据核对（reconciliation）或者集中决算（settlement batches）等方式来帮助系统达到最终一致性。
实际互联网系统往往都是ACID和BASE两种系统的结合，例如用户身份数据、交易数据通常采取ACID准则。
Guy Pardon认为，CAP理论认为三者不能同时达到是假定CAP被满足是在at the same moment in time，如果放弃这个假定就可以得到三者都满足的方案。但是在我看来，其方案也只是在可用性和一致性之间的折衷而已。放弃了读写一致性，读到的可能只是 cache中的快照而不是最新值；通过在系统无分区时才执行写入队列来保证数据更新一致性，而结果则是异步获得，相当于是对写入可用性要求的一种降低
本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/wdwbw/archive/2009/05/13/4179749.aspx
分布式领域CAP理论，
Consistency(一致性), 数据一致更新，所有数据变动都是同步的
Availability(可用性), 好的响应性能
Partition tolerance(分区容错性) 可靠性
定理：任何分布式系统只可同时满足二点，没法三者兼顾。
忠告：架构师不要将精力浪费在如何设计能满足三者的完美分布式系统，而是应该进行取舍。
关系数据库的ACID模型拥有 高一致性 + 可靠性 丧失可用性：
Atomicity原子性：一个缓存 + 存储是一种复杂的架构解决方案，不是产品，但这种方式更灵活，更应该是架构师必须掌握的。