架构师之路 — 分布式系统 — BASE 定理

架构师之路 — 分布式系统 — BASE 定理 目录

文章目录

目录base 理论

Basically Available（基本可用）Soft state（软状态）Eventually consistent（最终一致性）

base 理论

对于一个分布式系统而言，P（分区容错性）是一个最基本的要求。因为既然是一个分布式系统，那么系统中的组件必然需要被部署到不同的节点，因此必然出现子网络。

而对于分布式系统而言，网络问题又是一个必定会出现的异常情况，因此分区容错性也就成为了一个分布式系统必然需要面对和解决的问题。因此系统架构师往往需要把精力花在如何根据业务特点在 C（一致性）和 A（可用性）之间寻求平衡。

base 理论就是对 CAP 原则中 C（一致性）和 A（可用性）权衡的结果。base 是 Basically Available（基本可用）、Soft state（软状态）、Eventually consistent（最终一致性）的缩写。

ACID 是为了保证一致性而诞生，因而侧重一致性；base 是为了高可用系统的设计而诞生，因而侧重可用性。

base 理论来源于对大规模互联网系统分布式实践的总结，是基于 CAP 原则逐步演化而来的。其最核心思想是：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。

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，和传统的事务 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。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。

Basically Available（基本可用）

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，这不等价于系统不可用。比如：

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。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。

Soft state（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。

Eventually consistent（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。