【分布式】BASE理论详解

一、什么是BASE理论？

BASE理论是对分布式系统设计和处理的一种理论指导，相对于ACID（原子性、一致性、隔离性和持久性）这一强一致性模型，BASE更强调在分布式系统中牺牲强一致性以获得可用性和性能的平衡。

BASE 理论是当今互联网分布式系统的实践总结，它的核心思想在于，既然在分布式系统中实现强一致性的代价太大，那不如退而求其次。

只需要各应用分区在提供高可用服务的基础上，尽最大能力保证数据一致性，也就是保证数据的最终一致性。

BASE 理论是 CAP 中保证分区容错（P）的前提下，对可用性（A）和一致性（C）的权衡，它由 Basically Available（基本可用），Soft State（软状态），Eventually-Consistent（最终一致性） 三方面构成，简称 BASE 理论。

分布式系统中，CAP 理论提供了一个理论框架，而 BASE 理论则提供了一种实际操作的指导原则。

二、BASE理论的具体内容

2.1、基本可用(Basically Available)

当系统遇到某些不可抗力的异常时，仍然能够保障“可用性”，会在限定时间内返回一个明确的结果，主要体现在以下 2 方面：

• 时效性的变化：响应时间可以适当延长。正常情况下的搜索引擎0.5秒即返回给用户结果，而基本可用的搜索引擎可以在2秒返回结果。

• 功能完整性的变化：功能降级，但被降级的功能要尽量少，且即使降级返回的结果也必须是明确的，不能让用户困惑。在一个电商网站上，正常情况下，用户可以顺利完成每一笔订单。但是到了大促期间，为了保护购物系统的稳定性，部分消费者可能会被引导到一个降级页面。

2.2、软状态(Soft State)

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，允许系统内节点之间的数据同步存在延时，客户端会读到各副本数据达到一致前的中间状态。

比如我们在购买火车票付款结束之后，就可能处在一个既没有完全成功，也没有失败的中间等待状态。用户需要等待系统的数据完全同步以后，才会得到是否购票成功的最终状态。

BASE 理论认识到，在分布式系统中，状态可能会随时间变化而软化，而不是立即达到一致状态。

2.3、最终一致性(Eventually Consistent)

最终一致性是 BASE 理论的核心思想。它指出，分布式系统可以在一段时间内保持不一致状态，但最终会收敛到一致状态。

它不像强一致性那样，需要分区数据保证实时一致，导致系统数据的同步代价过高。也不像弱一致性那样，数据更新后不保证数据一致，导致后续的请求只能访问到老数据。

当前业界的分布式系统，甚至关系数据库系统的数据，大都是用最终一致性实现的。比如 MySQL 的主从备份，就是在一段时间内通过 binlog 日志和监听线程让从库和主库的数据保持最终一致。

三、总结

总的来说，BASE 理论其实就是牺牲了各节点数据的强一致性，允许不同节点的数据在一段时间内不一致，来获得更高的性能和高可用性。

BASE理论相对于ACID更适用于分布式系统和大规模的互联网应用。在大规模的系统中，强一致性往往会导致性能问题，因为在分布式环境下实现强一致性往往会牺牲系统的可用性和性能。相反，BASE理论提供了一种折衷的方案，允许系统在特定时段下保持数据不一致，但最终会达到一致性的状态。

所以，BASE 理论是我们在实际的分布式系统中经常使用的方案。