Base理论

base是Basically Available（基本可用） 、Soft-state(软状态） 和 Eventually Consistent(最终一致性） 三个短语的缩写。BASE理论是对CAP中一致性C和可用性A权衡的结果，其来源于对大规模互联网系统分布式实践的总结，是基于CAP定理逐步演化而来的，它大大降低了他们对系统的要求。

Base理论的核心思想

即使无法做到强一致性，但每个应用都可以根据自身业务特点，采用适当的方式来使系统达到最终一致性。也就是牺牲数据的一致性来满足系统的高可用性，系统中一部分数据不可用或者不一致时，仍需要保持系统整体“主要可用”。

BASE理论本质上是对CAP的延伸和补充，更具体地说，是对CAP中AP方案的一个补充：AP方法只是在系统发生分区的时候放弃一致性，而不是永远放弃一致性。在分区故障恢复后，系统应该达到最终一致性。这一点其实就是BASE理论延伸的地方。

BASE理论三要素

• 基本可用：分布式系统出现不可知故障的时候，允许损失部分可用性。但是，这绝不等价于系统不可用。
  • 允许损失部分可用性：
    • 响应时间上的损失：响应时间延长
    • 系统功能上的损失：非核心功能无法使用
• 软状态：软状态指允许系统的数据存在中间状态（CAP理论中的数据不一致），并认为该中间状态的存在不会影响系统的整体可用性，即允许系统在不同节点的数据副本之间进行数据同步的过程存在延时。
• 最终一致性：强调的是系统中所有的数据副本，在经过一段时间的同步后，最终能够达到一个一致的状态。因此，最终一致性的本质是需要系统保证最终数据能够达到一致，而不需要实时保证系统数据的强一致性
  • 分布式的3种级别：
    • 强一致性：系统写入了什么，读出来的就是什么
    • 弱一致性：不一定可以读取到最新写入的值，也不保证多少时间之后读取到的数据是最新的，只是会尽量保证某个时刻达到数据一致的状态。
    • 最终一致性：弱一致性的升级版，系统会保证在一定时间内达到数据一致的状态。

业务比较推崇是最终一致性级别，但是某些对数据一致要求十分严格的场景比如银行转账还是要保证强一致性。

实现最终一致性的具体方式：

• 读时修复：在读取数据时，检测数据的不一致，进行修复。如果检测到不同节点的副本数据不一致，系统自动修复。
• 写时修复：在写入数据，检测数据的不一致时，进行修复。集群的节点之间远程写数据的时候，如果写失败，就将数据缓存下来，就定时重转，修复数据的不一致性。
• 异步修复：这个是最常用的方式，通过定时对账检测副本数据的一致性，并修复。

比较推荐写时修复，这种方式对性能消耗比较低。

总结

ACID是数据库事务完整性的理论，CAP是分布式系统设计理论，BASE是CAP理论中AP方案的延伸。