大家好，我是码农Anryg.
|前言
上一篇写过分布式系统的CAP理论，其实深究细节的话还是挺复杂的，分布式系统为了让大家对CAP有个更加全面的认识，进而延展出了另一个理论：BASE理论。
先来回顾下CAP理论提出的初衷。
任何一个分布式系统设计的初衷都是：可横向扩展和系统高可用，如果再能兼顾一致性就更好了。但是设计者在设计时发现，这3个要求并不能同时满足，而是只能取其2；
其实当你对CAP的理解深刻后会发现，无论是A还是P都是用来描述【可用性】这个指标的，A用来描述对同一份数据的可用性，即高可用；而P是用来描述所有数据的可用性，即总有若干个节点可提供服务；
而对于C来说，其实很难保证（CAP理论实际上忽略了网络延迟），因为任何系统都存在一定程度的【网络延迟】，所以严格意义上的强一致性是不存在的（如果数据只有一个副本的系统除外），但是系统可以让用户(或者说客户端)，对外表现出【强一致性】。例如当一份数据写入系统时，选择当所有节点都同步(一段时间后)了该份数据后再对外提供服务(此时，系统满足的是CA属性)；而如果选择只是写入的第一个节点的数据对外提供服务，那么此时，系统满足的是CP属性；
|什么是BASE
很多同学可能知道CAP，但是对于BASE可能并不熟悉。其实也不是高深莫测的理论，它是CAP理论的一个延展，当你对CAP有一定研究之后，再来看BASE，会有一种豁然开朗的顿悟。
BASE虽然是英文4个字母，但其实说的却是3个层面的意思：
基本可用(Basically Available)：意思是即便出现部分数据节点的故障，可能导致一部分数据无法查询到，但是不影响其他数据依然可以提供服务。对应CAP理论中的P，即就算部分分区出现故障(网络原因或者宕机等等)也基本不影响整个分布式系统对外提供服务的能力；
软状态(Soft State)：什么是【软】状态，【软】就是节点间数据短暂的不一致，这个【软】是随着时间而变化的，这里针对的是CAP中的A。我们知道A的本质就是数据冗余，即同一份数据要存到多个节点中，而在现实中，系统总会出现或多或少的网络延迟，因此节点间在数据同步过程中会存在【时间差】，而这个【时间差】就是这里的软状态；
最终一致性(Eventual Consistency)：上面说到【软】状态，那么这个最终一致性就是一种【硬】状态，即【持久不变】，不会随着时间而变化。CAP中的C说的是数据的【强一致性】，即任何时候数据都是一致的，但是如果一个同时也选择了A的分布式系统，因为存在网络延迟的关系，其实这个C是不可能保证的，对于那些对【强一致性】要求不高的系统，其实最终一致性才是他们的诉求。
总结
如果说CAP是设计者对一个分布式系统的抱有的理想，那BASE则是所有分布式系统必须要面对的现实。
这篇文章的内容不多，相对CAP，BASE可能更能让你对分布式的设计理念有个更加深入的理解。
原文作者：安瑞哥是码农；如有侵权，请联系管理员删除。
