联系我

分布式设计理论之BASE理论

2020.12.26

上一篇文章我们说到了分布式设计理论当中的CAP定理,CAP定理就是说在分布式存储系统中,最多只能实现一致性、可用性、分区容错性三个当中的两点,今天我们来看看另外一个设计理论——BASE理论。

什么是BASE理论

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,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定律逐步演化而来的一个理论。

其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性采用适当的方式来使系统达到最终一致性

基本可用

基本可用是指分布式系统在出现故障的时候,允许损失部分可用性,即保证核心可用,例如:

响应时间上的损失——正常情况下的搜索引擎只需要0.5秒就可以返回给用户搜索结果,而基本可用的搜索引擎可以在1秒左右返回结果。

功能上的损失——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

软状态是指允许系统存在中间状态,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。mysql replication的异步复制就是一种体现。

最终一致性

最终一致性是指系统中的所有数据副本经过一定时间后,最终能够达到一致的状态。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。

在实际工程实践中,最终一致性分为5种:

  • 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。与此同时,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。
  • 读己之所写(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。
  • 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):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。
  • 单调写一致性(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。

实践中,往往5个系统进行排列组合,当然,不只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,比如备份,数据库的复制过程是需要时间的,这个复制过程中,业务读取到的值就是旧的。当然,最终还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。

ACID和BASE的对比

ACID是传统数据库常用的设计理念,追求强一致性模型。BASE支持的是大型分布式系统,提出通过牺牲强一致性获得高可用性。

总体来说BASE理论与传统ACID特性相反,通过牺牲强一致性来获得可用性,并允许数据短时间内的不一致,但是最终达到一致状态。

在实际分布式场景中,不同业务对数据的一致性要求不一样,因此在设计中,ACID和BASE理论往往又会结合使用。