分布式之BASE理论

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，基于CAP定理逐步演化而来的，它大大降低了我们对系统的要求。

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”。

因此AP方案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。这就是BASE理论延伸的地方。

1、基本可用

基本可用是指分布式系统在出现不可预知故障的时候，损失部分可用性。但是，这绝不等价于系统不可用。

什么叫允许损失部分可用性呢？

响应时间上的损失：郑航情况下，处理用户请求需要0.5s返回结果，但由于系统出现故障，处理用户请求的时间变为3s。

系统功能上的损失：正常情况下，用户可以使用系统全部功能，但是由于系统访问量突然剧增，系统的部分非核心功能无法使用。

2、软状态

软状态指允许系统中的数据存在中间状态，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数据同步的过程存在延时。

3、最终一致性

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直的状态。因此，最终一致性的本质是需要系统保证最终数据能够到达一致，而不需要实时保证系统数据的强一致性。

分布式一致性分为三个级别

1、强一致性：系统写入了什么，读出来就是什么

2、弱一致性：不一定可以读取到最新写入的值，也不保证多长时间能够读到数据时最新的，只是会尽量保证某个时刻数据一致的状态。

3、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。

目前最流行的是最终一致性级别。如果银行场景需要最终一致性。

那实现最终一致性的具体方式是什么？

1、读时修复：在读取数据时，检测数据的不一致，进行修复。

2、写时修复：在写入数据时，检测数据的不一致，进行修复

3、异步修复：这个最常用的方式，通过定时对账检测副本数据的一致性，并修复。

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理论中延伸。