2008 年 eBay 的架构师 Dan Pritchett 在发表给 ACM 的文章 BASE: An Acid Alternative 中第一次明确提出BASE理论。
简介
BASE 不是 base (基础) 的意思
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 理论中强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)，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)。
Basically Available
BASE 中的 BA，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 (响应时间、功能上的可用性).
注意，允许损失部分可用性 不等价于 系统不可用
响应时间上的损失：正常情况下的搜索引擎 0.5 秒即可返回结果，而基本可用情况下的搜索引擎 1 秒才返回结果。
功能上的损失：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。
Soft state
BASE 中的 S，软状态。
软状态指的是，允许系统中的数据存在中间状态，且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,前提是这个延时不影响可用性。
硬状态, 要求多个节点的数据副本都是一致的
Eventually consistent
BASE 中的 E，最终一致性。
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。
亚马逊首席技术官Werner Vogels在于2008年发表的一篇经典文章Eventually Consistent-Revisited中，对最终一致性进行了非常详细的介绍。
他认为最终一致性是一种特殊的弱一致性：
系统能够保证在没有其他新的更新操作的情况下，数据最终一定能够达到一致的状态 ，因此所有客户端对系统的数据访问都能够获取到最新的值。同时，在没有发生故障 的前提下，数据达到一致状态的时间延迟，取决于网络延迟、系统负载和数据复制方 案等因素。
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，最终能够达到一致的状态。
强一致性
有弱一致性，就有强一致性。
强一致性要求，在更新的同时，所有节点查询到的都必须是最新的数据。
5种最终一致性
实际工作中，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的访问修改操作都是基于A更新后的值,同时,和节点A没有因果关系的C的数据访问则没有这样的限制
读己之所写（Read your writes）
因果一致性的特定形式，一个节点A总可以读到自己更新的数据
会话一致性（Session consistency）
访问存储系统同一个有效的会话，系统应保证该进程读己之所写
单调读一致性（Monotonic read consistency）
一个节点从系统中读取一个特定值之后，那么该节点从系统中不会读取到该值以前的任何值
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执行（保证写操作串行化）
