BASE理论简介
由于CAP理论的局限性，eBay的架构师Dan Pritchett总结出了BASE理论。BASE理论是对CAP理论的进一步拓展，其核心思想是：即便无法实现强一致性（Strong Consistency），应用程序也可以通过适当的方法达到最终一致性（Eventual Consistency）。
BASE理论是一个更具有工程实践意义的理论，其弥补了CAP理论过于抽象的问题，同时也为AP系统提供了整体的工程实践思想。目前BASE理论已经成为分布式系统中的核心理论之一。
数据一致性分类
BASE理论对数据一致性做了一些更加细致的分类，从而对CAP理论作了进一步的拓展，数据一致性可以分为以下几类：
强一致性
数据写操作完成以后，数据立即生效，后续的所有访问都能得到最新结果。也可以称之为即时一致性。
弱一致性
数据写操作完成以后，不要求立即可以读取到最新写入的值，能够容忍更新发生之后，部分情况下无法访问到最新数据的情况。
最终一致性
数据写操作完成以后，能够容忍更新后一段时间内无法访问到最新的数据，不需要实时保证系统数据的强一致性，但是经过一段时间的同步以后，最终可以到达一个一致的状态。可以认为是弱一致性的一个特例。
在CAP理论中的C指的是强一致性，所以要分析什么样的系统适合AP、什么样的系统适合CP。其实就是在强一致性和可用性之间做权衡。根据业务情况判断是否能够容忍最终一致性。侧重于用户体验的业务适合AP，对强一致性要求高的业务则适合CP。
什么是BASE理论
BASE理论的全称是“Basically Available，Soft state，Evenual consistency”，即“基本可用，软状态，最终一致性”。其是由CAP理论逐步演化而来，是对CAP中一致性 C 和可用性 A 权衡的结果。
基本可用（Basically Available）
系统在遇到不可预知的故障时，允许损失部分可用性，就是说即使系统不能完全正常工作，但是仍然有部分功能可用。换句话说，系统可以提供部分服务，例如响应时间比平时长或者某些功能暂时不可用。
- 如何理解部分功能可用：
- 响应性能变弱：响应时间由正常情况下的300ms变为1000ms；
- 系统功能受损：比如双十一活动时，系统评论模块出现故障，但不影响交易、商品等核心模块的流程使用；
软状态（Soft state）
指允许系统中的数据存在中间状态，这种状态可能是不一致的，但是这种中间状态的存在不会影响系统的整体可用性，因为数据在不同节点之间的同步可能有延迟。
最终一致性（Evenual consistency）
系统不要求数据实时地达到一致性，而是允许数据在一段时间以后达到一致性状态。这意味着在经过一段时间以后，所有节点地数据都会更新为最新数据。
BASE理论的核心思想：
既然分布式系统中的分区容错性我们没办法回避，根据CAP理论，我们只能选择 CP 或者 AP 架构。但是在很多场景中，尤其是对可用性要求较高的场景往往既需要可用性，又需要保证一致性。基于BASE理论，我们可以在选择可用性的同时，弱化一致性，但是不是彻底放弃一致性，在分区故障恢复以后，根据各自的业务特点，经过一段时间以后系统应该达到最终一致性。而系统中一部分不一致时，系统仍然需要保证“整体可用”，也就是基本可用。
所以BASE理论可以理解为：分区容错性 + 基本可用性 + 最终一致性。
