分布式理论(二) - BASE理论

时间 2019-11-06

原文原文链接

前言

BASE理论是由eBay架构师提出的。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分布式系统实践的总结，是基于CAP定律逐步演化而来。其核心思想是即便没法作到强一致性，但每一个应用均可以根据自身业务特色，才用适当的方式来使系统打到最终一致性。算法

正文

1. CAP的3选2伪命题

实际上，不是为了P（分区容错性），必须在C（一致性）和A（可用性）之间任选其一。分区的状况不多出现，CAP在大多时间可以同时知足C和A。数据库

对于分区存在或者探知其影响的状况下，须要提供一种预备策略作出处理：编程

探知分区的发生；
进入显示的分区模式，限制某些操做；
启动恢复过程，恢复数据一致性，补偿分区发生期间的错误。

2. BASE理论简介

BASE理论是Basically Available(基本可用)，Soft State（软状态）和Eventually Consistent（最终一致性）三个短语的缩写。后端

其核心思想是：缓存

既是没法作到强一致性（Strong consistency），但每一个应用均可以根据自身的业务特色，采用适当的方式来使系统达到最终一致性（Eventual consistency）。网络

3. BASE理论的内容

基本可用（Basically Available）
软状态（Soft State）
最终一致性（Eventually Consistent）

下面展开讨论：多线程

3.1. 基本可用

什么是基本可用呢？假设系统，出现了不可预知的故障，但仍是能用，相比较正常的系统而言：架构

响应时间上的损失：正常状况下的搜索引擎0.5秒即返回给用户结果，而基本可用的搜索引擎能够在2秒做用返回结果。框架
功能上的损失：在一个电商网站上，正常状况下，用户能够顺利完成每一笔订单。可是到了大促期间，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。异步

3.2. 软状态

什么是软状态呢？相对于原子性而言，要求多个节点的数据副本都是一致的，这是一种“硬状态”。

软状态指的是：容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总体可用性，即容许系统在多个不一样节点的数据副本存在数据延时。

3.3. 最终一致性

上面说软状态，而后不可能一直是软状态，必须有个时间期限。在期限事后，应当保证全部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：

3.3.1. 因果一致性（Causal consistency）

因果一致性指的是：若是节点A在更新完某个数据后通知了节点B，那么节点B以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。

3.3.2. 读己之所写（Read your writes）

读己之所写指的是：节点A更新一个数据后，它自身老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。

3.3.3. 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，执行更新操做以后，客户端可以在同一个会话中始终读取到该数据项的最新值。

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

单调读一致性指的是：若是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该该返回更旧的值。

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

单调写一致性指的是：一个系统要可以保证来自同一个节点的写操做被顺序的执行。

在实际的实践中，这5种系统每每会结合使用，以构建一个具备最终一致性的分布式系统。

实际上，不仅是分布式系统使用最终一致性，关系型数据库在某个功能上，也是使用最终一致性的。好比备份，数据库的复制过程是须要时间的，这个复制过程当中，业务读取到的值就是旧的。固然，最终仍是达成了数据一致性。这也算是一个最终一致性的经典案例。

小结

整体来讲BASE理论面向的是大型高可用、可扩展的分布式系统。与传统ACID特性相反，不一样于ACID的强一致性模型，BASE提出经过牺牲强一致性来得到可用性，并容许数据段时间内的不一致，可是最终达到一致状态。同时，在实际分布式场景中，不一样业务对数据的一致性要求不同。所以在设计中，ACID和BASE理论每每又会结合使用。