1.3.2 BASE理论

BASE理论

数据一致性模型

如果数据读取、写入、更新的结果都是可预测的，我们说它遵循数据一致性模型。

1. ​ 严格一致性(Strict Consistency)(强)

不论在哪个节点，看到的资源都是统一的结果。

2. 顺序一致性(Sequential Consistency)(弱)

节点的数据变动和操作的顺序保持一致

3. 最终一致性(Eventual consistency)(弱)

所有数据副本最终都会变成一致

严格一致性无论什么时候访问在哪个节点，看到的资源都是统一的结果，顺序一致性例如节点不断发生变更，在短暂的时间后其他时间也会按节点变化的顺序发生变更，读取可能会读到不是最新的数据，最终一致性节点变化的顺序可能会跳过，只保证最终数据相同。

注：强弱划分比较粗旷，但是比较容易理解，并发编程和分布式计算领域有更多的细分模型。
paxos分布式算法的基石。

BASE理论

BASE是Basically Available（基本可用）Soft state（软状态）和Eventual consistency（最终一致性）三个短语的缩写。

• 基本可用：可能是部分功能不可用或者响应时间延长。
• 软状态：不同系统/节点之间，数据存在过渡状态。
• 最终一致：经过系统内部协调机制，最终所有节点保持一致。(分布式系统中的一致并不一定指数据保持一样)
  达到效果，即让我们的系统是可用的，最终我们的数据是正确的，也就是增大可用性的需要，同时降低一致性的要求，但是我们数据最终要正确的，不能出错的，在三者之间作出一个均衡。