Base理论

分布式系统最多只能同时满足 CAP 理论中的两个特性。
在实际场景中，大部分分布式系统会采用 AP 方式，即舍弃一致性，保证可用性和分区容忍性。
但是通常情况下还是要保证一致性，这种一致性与 CAP 中描述的一致性有所区别:
CAP 中的一致性要求的是强一致性，即任何时间读取任意节点的数据都必须一致，
而这里的一致性指的是最终一致性，允许在一段时间内每个节点的数据不一致，但经过一段时间后，每个节点的数据达到一致

Base 理论概述

Base 理论是对 CAP 理论中 AP 的一个扩展，它通过牺牲强一致性来获得可用性。
Base 理论中的 Base 是基本可用(Basically Available)、软状态(Soft State)和最终一致性(Eventually consistent)的缩写。
当系统出现故障时，Base 理论允许部分数据不可用，但是会保证核心功能可用；
允许数据在一段时间内不一致，但是经过一段时间，数据最终是一致的。
符合 Base 理论的事务可以称为柔性事务

基本可用

基本可用是指分布式系统出现故障时，允许其损失系统的部分可用性，比如响应时间或者功能上的损失，但是要保证系统基本可用。
例如在电商业务场景中，添加购物车和下单功能出现故障时，商品浏览功能仍然可用

软状态

软状态是指允许系统中存在中间状态，这些中间状态不会影响系统的整体可用性，只是允许系统各个节点之间的数据同步存在延迟。
例如在电商业务场景中，订单中的 “支付中”，"退款中" 等状态就是中间状态，当达到一段时间后，就会变成 "支付成功" 或者 "退款成功" 的状态

最终一致性

最终一致性是指系统中各个节点的数据副本经过一段时间的同步，最终能够达到一致的状态。
最终一致性需要保证数据经过一段时间的同步达到一致，并不要求各个节点的数据保持实时一致。
例如在电商业务场景中，订单中的 "支付中" "退款中" 等状态，最终会变成 "支付成功" "退款成功" 的状态，经过一段时间的延迟，能够使得订单中的状态与最终的交易结果一致