Base理论是什么？之前也聊到过CAP理论

Base理论是什么？之前也聊到过CAP理论

基于标题的CAP理论，我们再升华一个新的理论--BASE理论；

其实CAP理论和BASE理论是有因果关系的；

通俗的来讲，我们知道CAP理论中，三角关系，在同时共存的情况下，我们只能实现2/3的要求；

那么当不同的分布式系统选择的组合情况下，那么将也会有不同的现象；

那么我们都知道，对于CAP理论，我们更多的会考虑P的选择，然后再去选择CA中的其一，因为对于分布式来说，如果分区容错性都不考虑了，那么只能回归到单体服务的架构模型上了。

那么对于C（一致性）和A（可用性）选择其一；

那么有不同的选择，那么就会产生，对于结果就不同；

那么在这里，我们先科普3个关键词：

***强一致性**：就是指某一时刻，数据是一致的，这个怎么理解呢？就好比有一个学生A更新了一条数据为1；那么当ABC学生去访问这条数据的时候，那么3个学生所获取到的数据都是1；这就是强一致性*

***弱一致性**：就是当且A学生修改数据为1；那么这个时候，数据库系统不能保证ABC数据获取到这条数据都是1；在一定时间内，所有学生获取到这条数据并不是1，可能是其他值；这就是弱一致性；*

***最终一致性**：那么最终一致性本质上是基于弱一致性模型的升华概念；同样学生A修改数据为1，那么其他学生读取的数值可能也不是1，但是在最终的读取操作中，那么都会获取到最新的数据1；也就是说“不一致的时间窗口”长度依赖于一些系统其他问题，例如系统执行卡顿，CPU负载，主从同步问题；都可能会增加不一致性的时间窗长度，但是最终我们获取到的数据就是一致的。*

那么科普了三个名称，我们就继续说说BASE中是指什么：

基本可用（Basically Available）

软状态（Soft state）

最终一致性（Eventual Consistency）

那么这三种特性，到底怎么理解呢？

基本可用，这么理解，保证基本上的可用性即可，也就是说，对于基本可用特性而言，它不关心整体系统的高可用，只需要保证核心业务的可用即可；通常来说，我们在系统限流，保护这种操作上，我们会出现短暂的系统不可用状态，例如断路器开启，那这个时候，部分服务暂停服务了。

软状态？这个这么理解吧，就是说在数据中，可能会存在中间状态。通俗的来讲，就是在节点的副本（从节点）上会有暂时的不一致。通俗的来讲解一下就是，数据上可能会存在中间情况，对于我们"一致性"而言，就是“原子不可分割，要么都执行成功，要么都执行不成功”，这可以理解为一种“硬状态”；相较而言，就会有一种“软状态”，就好比，一篇文章点赞数为1002，这个时候，你点赞了，但是对于其他用户而言，可能会看到点赞数还是1002；过了一段时间，就会变成1003；

最终一致性，这个其实在上面已经描述过了，也就是说，在不同节点中，数据可能会出现短暂的不一致现象，那么这种短暂不一致性，系统也是容许的。

我们举个例子来说，加入不同的银行间转账，我从我的中国银行账户中转10000元到中国招商银行的账户中；那么就会涉及到两个账户的金额变更，中国银行-10000；招商银行+10000；那么在用户角度看，我们会有一个操作“2小时内到账”，“24小时内到账”，这本质上就是一种弱一致性的体现，也就是说，在某段时间间隔内，我们的中国银行-10000；但是招商银行并没有+10000；但是在2小时后，24小时后，必须到达到一种现象：中国银行-10000；招商银行+10000；或者说转账失败了，那么两者都恢复原状；

那么对于Base理论的核心，就是最终一致性，对于系统架构设计而言，我们需要考虑到数据的最终一致性，而不是强一致性，如果过分考虑强一致性，那么对于系统的高可用，可伸缩性就会下降；

所以我们需要考虑的是最终一致性的要求，但是最终一致性存在，那么就会存在上述所描述的时间窗口；我们的目的是为减少时间窗口的长度，加快一致性的同步；从这方面考虑，那么就会兼容用户体验和数据一致性；