BASE 理论

文章介绍了分布式系统的 C (一致性), A (可用性) 和 P (分区容错性) 只能满足其二, 本文中的 BASE 理论是基于 CAP 定理的前提, 提出的分布式系统的折中方案。

BASE 理论是下列三个短语的缩写

1. Basically Available (基本可用)
2. Soft State（软状态）
3. Eventually Consistent（最终一致）

基本可用指系统出现了不可预知的故障, 但还是能用, 相比较正常的系统而言

1. 响应延长: 正常情况下的搜索引擎 0.5 秒即返回给用户结果, 而基本可用的搜索引 擎可以在 2 秒作用返回结果
2. 服务降级: 在一个电商网站上, 正常情况下, 用户可以顺利完成每一笔订单。但是 到了大促期间, 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

软状态指的是允许系统中的数据存在中间状态, 并认为该状态不影响系统的整体可用性, 即允许系统在多个不同节点的数据副本存在数据延时

例如：订单支付后不要求马上将状态改成 已支付, 而是引入一个 支付中 这样的中 间状态, 只有最后支付成功收到款项再将状态改成 已支付

上面说软状态, 然后不可能一直是软状态, 必须有个时间期限。在期限过后, 应当保证所 有副本保持数据一致性, 从而达到数据的最终一致性。这个时间期限取决于网络延时、系 统负载、数据复制方案设计等等因素

而在实际工程实践中, 最终一致性分为 5 种

1. 因果一致性 Causal Consistency
   • 如果节点 A 在更新完某个数据后通知了节点 B, 那么节点 B 之后对该数据的访问 和修改都是基于 A 更新后的值。于此同时, 和节点 A 无因果关系的节点 C 的数据 访问则没有这样的限制
2. 会话一致性 Session Consistency
   • 系统能保证在同一个有效的会话中实现 Read Your Writes 的一致性, 也就是说,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
3. 单调读 Monotonic Read Consistency
   • 如果一个节点从系统中读取出一个数据项的某个值后, 那么系统对于该节点后续的 任何数据访问都不应该返回更旧的值
4. 单调写 Monotonic Write Consistency
   • 一个系统要能够保证来自同一个节点的写操作被顺序的执行
5. 读写一致性 Read Your Writes
   • 节点 A 更新一个数据后, 它自身总是能访问到自身更新过的最新值, 而不会看到旧 值。其实也算一种因果一致性

1. WARO (Write All Read One): 一种简单副本控制协议, 当写入多个副本时只有当所有 副本都写入成功本次写入才算成功
2. Quorum: 假设有 N 个副本, 更新操作 wi 在 W 个副本中更新成功之后, 则认为此次 更新操作 wi 成功, 把这次成功提交的更新操作对应的数据叫做: "成功提交的数据" 对于读操作而言, 至少需要读 R 个副本, 其中, W+R>N, 即 W 和 R 有重叠, 一 般, W+R=N+1
   • N = 存储数据副本的数量
   • W = 更新成功所需的副本
   • R = 一次数据对象读取要访问的副本的数量