# BASE 理论
BASE 是 **Basically Available（基本可用）**、**Soft state（软状态）**和 **Eventually consistent （最终一致性）**三个短语的简写。
**BASE 是对 CAP 中一致性和可用性权衡的结果**，其来源于对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，**其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（Eventual consistency）。**
BASE 理论面向的是大型高可用可扩展的分布式系统，和传统事务的 ACID 特性是相反的，它完全不同于 ACID 的强一致性模型，而是提出**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。**
## 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。**
以下是两个“基本可用”的典型例子：
* **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（比如系统部分机房发生断电或断网故障），查询结果的响应时间增加到了 1～2 秒。
* **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，消费者几乎能够顺利地完成每一笔订单，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**也称为弱状态，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。**
在实际工程实践中，最终一致性存在以下五类主要变种：
### 因果一致性（Causal consistency）
**因果一致性**是指，如果进程 A 在更新完某个数据项后通知了进程 B，那么进程 B 之后对该数据项的访问都应该能够获取到进程 A 更新后的最新值，并且如果进程 B 要对该数据项进行更新操作的话，务必基于进程 A 更新后的最新值，即不能发生丢失更新情况。与此同时，与进程 A 无因果关系的进程 C 的数据访问则没有这样的限制。
### 读己之所写（Read your writes）
**读己之所写**是指，进程 A 更新一个数据项之后，它自己总是能够访问到更新过的最新值，而不会看到旧值。也就是说，对于单个数据获取者来说，其读取到的数据，一定不会比自己上次写入的值旧。因此，读己之所写也可以看作是一种特殊的因果一致性。
### 会话一致性（Session consistency）
**会话一致性**将对系统数据的访问过程框定在了一个会话当中：系统能保证在同一个有效的会话中实现“读己之所写”的一致性，也就是说，执行更能操作之后，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。
### 单调读一致性（Monotonic read consistency）
**单调读一致性**是指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。
### 单调写一致性（Monotonic write consistency）
**单调写一致性**是指，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。