分布式事务 --- BASE 理论

部分图片总结出自参考资料

问题：

Base 理论为什么会被提出，动机是什么
Base 和 ACID 的区别与联系

概述

上一篇我们知道CAP 理论，也知道由于现实中网络等原因，分区容错性这一元素大多情况都会发送，那么我们唯有加强一致性和可用性这两方面。很多情况下，假如我们的数据不是要去实时准确的，那么维护可用性会比一致性显得更加重要，那么能不能在保证了可用性的同时，最大程度地加强一致性呢？Base 理论的提出就是为解决这个问题提供了一个思路。

下面我们将会了解 ACID 的基础上进行了解 Base 理论。

ACID

记得在学习 MySQL 的时候最早接触的就是ACID，说的是数据库事务操作中要满足这四个方面，分别为 :

Atomic: Everything in a transaction succeeds or the entire transaction is rolled back. (原子性)
Consistent: A transaction cannot leave the database in an inconsistent state. (一致性)
Isolated: Transactions cannot interfere with each other. (隔离性)
Durable: Completed transactions persist, even when servers restart etc.(持久性)

BASE理论

以下总结来自： https://www.cnblogs.com/xrq730/p/4944768.html ，非原创

BASE理论的核心思想是：即使无法做到强一致性，但每个应用都可以根据自身业务特点，采用适当的方式来使系统达到最终一致性。接下来看一下BASE中的三要素：

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，允许损失部分可用性----注意，这绝不等价于系统不可用。比如：

（1）响应时间上的损失。正常情况下，一个在线搜索引擎需要在0.5秒之内返回给用户相应的查询结果，但由于出现故障，查询结果的响应时间增加了1~2秒

（2）系统功能上的损失：正常情况下，在一个电子商务网站上进行购物的时候，消费者几乎能够顺利完成每一笔订单，但是在一些节日大促购物高峰的时候，由于消费者的购物行为激增，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

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进行数据同步的过程存在延时

最终一致性

最终一致性强调的是所有的数据副本，在经过一段时间的同步之后，最终都能够达到一个一致的状态。因此，最终一致性的本质是需要系统保证最终数据能够达到一致，而不需要实时保证系统数据的强一致性。

总的来说，BASE理论面向的是大型高可用可扩展的分布式系统，和传统的事物ACID特性是相反的，它完全不同于ACID的强一致性模型，而是通过牺牲强一致性来获得可用性，并允许数据在一段时间内是不一致的，但最终达到一致状态。但同时，在实际的分布式场景中，不同业务单元和组件对数据一致性的要求是不同的，因此在具体的分布式系统架构设计过程中，ACID特性和BASE理论往往又会结合在一起。

最终一致性模型变种

亚马逊CTO Werner Vogels在于2008年发表的一篇文章中对最终一致性进行了非常详细的介绍
【英文】All Things Distributed
【译】最终一致性

总结

文章学习了 Base 理论提出的动机和解释 Base 理论的主要内容。

参考资料