分布式BASE最全图文详解

一、分布式BASE

BASE 是指以下三个概念的首字母缩写：基本可用（Basically Available）、软状态（Soft State）、最终一致性（Eventual Consistency）。

如下图所示：

下面我分别重点详解分布式base相关的：基本可用（Basically Available）、软状态（Soft State）、最终一致性@mikechen。

二、分布式Base核心设计

1、基本可用（Basically Available）
BASE 理论中的 基本可用（Basically Available），是指在分布式系统中，系统可以在面对部分故障的情况下保持基本的可用性。

BASE 理论认为分布式系统在某些情况下，为了保持可用性，可能会牺牲一部分的一致性。

这意味着即使系统中的某些部分出现故障，仍然能够保持基本的可用性，允许部分用户继续访问系统。

基本可用性的例子包括：
1.1、部分节点故障
如果分布式系统中的某些节点出现故障，基本可用性允许系统继续工作，而不是因为故障节点而完全瘫痪。
1.2、延迟
在面对网络延迟等问题时，系统可以继续提供服务，而不必等待所有节点都同步。
这种情况，可能导致某些用户在一段时间内看到的数据不一致，但系统仍然可用。
1.3、读写分离
基本可用性也可以通过读写分离来实现，即使在写操作期间出现一些问题，读操作仍然可以继续，保持用户对数据的访问能力。

2、最终一致性
最终一致性（Eventual Consistency）
BASE 理论认为，分布式系统不需要实时的强一致性，而是可以通过一段时间的同步和协调，最终达到一致的状态。
即使系统中的不同节点之间存在一段时间的数据不一致，最终它们会在某个时刻达到一致状态。

最终一致性的特点包括：
2.1、异步数据同步
分布式系统中的数据副本可能是异步同步的，这意味着某个数据的更新操作在某些节点上可能会有延迟，导致一段时间内的数据不一致。

2.2、局部一致性
最终一致性允许不同的数据副本在一段时间内保持局部一致性，即在特定的节点上数据可能不同，但系统会通过后续的同步操作将数据达到全局一致性。

2.3、协调和修复
最终一致性通过协调和修复机制来解决数据不一致的问题。系统会周期性地检查数据副本，发现不一致并尝试将其同步。

2.4、业务需求
在某些应用场景下，强一致性的要求可能会影响系统的可用性和性能。
最终一致性通过权衡可用性、性能和一致性，使系统能够更好地适应实际业务需求。
与 ACID 理论不同，BASE 理论更适用于大规模分布式系统，特别是互联网应用，其中可用性和性能通常比严格的一致性更重要。
BASE 理论允许在一些情况下牺牲一致性，以换取更高的可用性和性能。

四、软状态（Soft State）

BASE 理论中的软状态指的是系统中的数据状态不是一成不变的，而是随着时间推移而改变的。

软状态概念的核心在于：在分布式系统中节点之间的通信可能会有延迟，导致节点之间的数据状态不一致，系统可以容忍一段时间的数据不一致，直到最终达到一致状态。

软状态的例子包括：

• 副本之间的延迟：
  在分布式系统中，如果某个数据副本由于网络延迟导致数据同步滞后，那么在一段时间内不同的副本可能会看到不同的数据状态；
• 节点故障：
  如果系统中的某个节点出现故障，那么在恢复之前，其他节点可能会在一段时间内看到数据不一致的状态；
• 数据更新冲突：
  在分布式系统中，由于并发写入操作，不同的副本可能会出现数据更新的冲突，导致一段时间内的数据不一致。

五、BASE的典型应用

尽管BASE模型牺牲了强一致性，但通过合理设计，可以在大多数实际应用场景中有效运行。比如：

• 社交媒体平台：
  允许用户在短时间内看到不一致的数据，如：评论和点赞数量，但最终会一致；
• 电子商务网站：
  以及，在大促销期间，接受临时的数据不一致，如：库存显示，但最终一致。
• 物联网应用：
  以及，传感器数据在短时间内可能不一致，但最终会同步到中央数据库…等等。