分佈式理論 BASE

2008 年 eBay 的架構師 Dan Pritchett 在發表給 ACM 的文章 BASE: An Acid Alternative 中第一次明確提出BASE理論。

簡介

BASE 不是 base (基礎) 的意思

BASE是 Basically Available（基本可用）、Soft state（軟狀態）和 Eventually consistent（最終一致性）三個短語的簡寫。

BASE是對CAP 理論中強一致性和可用性權衡的結果，其來源於對大規模互聯網系統分佈式實踐的總結，是基於CAP定理逐步演化而來的，其核心思想是即便沒法作到強一致性(Strong consistency)，每一個應用均可以根據自身的業務特色，採用適當的方式來使系統達到最終一致性(Eventual consistency)。

Basically Available

BASE 中的 BA，基本可用。

基本可用是指分佈式系統在出現不可預知故障的時候，容許損失部分可用性 (響應時間、功能上的可用性).

注意，容許損失部分可用性 不等價於 系統不可用

響應時間上的損失：正常狀況下的搜索引擎 0.5 秒便可返回結果，而基本可用狀況下的搜索引擎 1 秒才返回結果。

功能上的損失：在一個電商網站上，正常狀況下，用戶能夠順利完成每一筆訂單，可是到了大促期間，爲了保護購物系統的穩定性，部分消費者可能會被引導到一個降級頁面。

Soft state

BASE 中的 S，軟狀態。

軟狀態指的是，容許系統中的數據存在中間狀態，且該狀態不影響系統的總體可用性，即容許系統在多個不一樣節點的數據副本存在數據延時,前提是這個延時不影響可用性。

硬狀態, 要求多個節點的數據副本都是一致的

Eventually consistent

BASE 中的 E，最終一致性。

上面說軟狀態，而後不可能一直是軟狀態，必須有個時間期限。在期限事後，應當保證全部副本保持數據一致性。

亞馬遜首席技術官Werner Vogels在於2008年發表的一篇經典文章Eventually Consistent-Revisited中，對最終一致性進行了很是詳細的介紹。

他認爲最終一致性是一種特殊的弱一致性：

系統可以保證在沒有其餘新的更新操做的狀況下，數據最終必定可以達到一致的狀態 ，所以全部客戶端對系統的數據訪問都可以獲取到最新的值。同時，在沒有發生故障 的前提下，數據達到一致狀態的時間延遲，取決於網絡延遲、系統負載和數據複製方 案等因素。

最終一致性強調的是系統中全部的數據副本，在通過一段時間的同步後，最終可以達到一致的狀態。

強一致性

有弱一致性，就有強一致性。

強一致性要求，在更新的同時，全部節點查詢到的都必須是最新的數據。

5種最終一致性

實際工做中，最終一致性分爲 5 種

因果一致性（Causal consistency）

若是節點A在更新完某個數據後通知了節點B,那麼節點B的訪問修改操做都是基於A更新後的值,同時,和節點A沒有因果關係的C的數據訪問則沒有這樣的限制

讀己之所寫（Read your writes）

因果一致性的特定形式，一個節點A總能夠讀到本身更新的數據

會話一致性（Session consistency）

訪問存儲系統同一個有效的會話，系統應保證該進程讀己之所寫

單調讀一致性（Monotonic read consistency）

一個節點從系統中讀取一個特定值以後，那麼該節點從系統中不會讀取到該值之前的任何值

單調寫一致性（Monotonic write consistency）

一個系統要可以保證來自同一個節點的寫操做被順序執行（保證寫操做串行化）