分布式一致性原理—BASE

定义

BASE是BasicallyAvailable(基本可用)、Soft state(软状态)和Eventually consistent(最终一致性)三个短语的简写，是由来自eBay的架构师Dan Pritchett提出的。

BASE是对CAP中一致性和可用性权衡的结果，其来源于大规模互联网系统分布式实践的总结，是基于CAP定理逐步演化而来的。

BASE的核心思想是：即使无法做到强一致性（Strong consistency）,但每个应用都可以根据自身的业务特点，采用适当的方式来使系统达到最终一致性。

BASE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，如：

l  响应时间上的损失

如：正常时间0.5秒，故障时1－2秒

l  功能上的损失

如：一电子商务网站，节日促销时，部分消费者被引导到一个降级的购物页面。

弱状态（或软状态）

和硬状态相对，是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系统中所有的数据副本，在经过一段时间的同步后，最终能够达到一个一致的状态。

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。

在没有发生故障的情况下，数据达到一致状态的时间延迟，取决于网络延迟、系统负载和数据复制方案设计等因素。

工程实践中的最终一致性分类

1.        因果一致性（Causal consistency）

进程A更新某个数据项后会通知进程B，进程B能获取到进程A更新后的最新值。

2.        读己之所写（Read your writes）

进程A更新某个数据项后，它自己总是能访问到更新过的最新值。

3.        会话一致性（Session consistency）

执行更新操作之后，客户端能够在同一个会话中始终读取到该数据项的最新值。

4.        单调读一致性（Monotonic read consistency）

如果一个进程从系统中读取出一个数据项的某个值后，那么系统对于该进程后续的任何数据访问都不应该返回更旧的值。

5.        单调写一致性（Monotonic write consistency）

一个系统需要能够保证来自同一个进程的写操作被顺序地执行。

总结

BASE理论和传统事务的ACID特性是相反的，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。

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特性与BASE理论往往又会结合在一起使用。