BASE理论
eBay 的架构师 Dan Pritchett 源于对大规模分布式系统的实践总结，在 ACM 上发表文章提出 BASE 理论，BASE 理论是对 CAP 理论的延伸，核心思想是：即使无法做到强一致性（Strong Consistency），CAP 的一致性就是强一致性），但每个应用都可以根据自身的业务特点，采用适合的方式来达到最终一致性（Eventual Consitency）。
BASE 是指基本可用（Basically Availability）、软状态（ Soft State）、最终一致性（ Eventual Consistency）。
基本可用（Basically Availability）
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。
损失部分可用性可体现为：
- 响应时间上的损失：正常情况下的搜索引擎 0.5 秒即返回给用户结果，而基本可用的搜索引擎可以在2秒后返回结果。
- 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。
软状态（Soft-State）
相对于 ACID 中的原子性（Atomicity）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”。
而软状态（Soft-State）是指允许系统存在中间状态，而该中间状态不会影响系统整体可用性，最终数据会保证最终一致性。
比如，数据库读写分离，写库同步到读库（主库同步到从库）会有一个延时，这样实际是一种柔性状态。
最终一致性（Eventual Consistency）
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，从而达到数据的最终一致性（ Eventual Consistency）。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。
弱一致性和强一致性相反，最终一致性是弱一致性的一种特殊情况。
ACID 和 BASE 的区别与联系
ACID 和 BASE 代表了两种截然相反的设计哲学，而 CAP 也正是 ACID 和 BASE 长期博弈（trade off）的结果。
ACID 是传统数据库常用的设计理念，追求强一致性模型。因此 ACID 伴随数据库的诞生定义了系统基本设计思路，
2000年左右，随着互联网的发展，高可用的话题被摆上桌面，所以提出了 BASE ，即通过牺牲强一致性获得高可用性。从此 C 和 A 的取舍消长此起彼伏，其结晶就是 CAP 理论。
在高可用与高性能的应用场景，分布式事务的最佳实践是放弃 ACID，遵循 BASE 的原则重构业务流程。
CAP 并不与 ACID 中的 A（原子性）冲突，值得讨论的是 ACID 中的 C（一致性）和 I（隔离性）。ACID 的 C 指的是事务不能破坏任何数据库规则，如键的唯一性。与之相比，CAP 的 C 仅指单一副本这个意义上的一致性，因此 CAP 的 C 只是 ACID 一致性约束的一个严格的子集。
如果系统要求 ACID 中的 I （隔离性），那么它在分区期间最多可以在分区一侧维持操作。事务的**可串行性（serializability）**要求全局的通信，因此在分区的情况下不能成立。
Reference
- https://queue.acm.org/detail.cfm?id=1394128
- https://en.wikipedia.org/wiki/Eventual_consistency
- 一文带你重新审视CAP理论与分布式系统设计 - https://dbaplus.cn/news-159-1917-1.html
- 分布式理论(二) - BASE理论 - https://juejin.im/post/5b2663fcf265da59a401e6f8
- https://stackoverflow.com/questions/3342497/explanation-of-base-terminology
- https://www.freecodecamp.org/news/a-thorough-introduction-to-distributed-systems-3b91562c9b3c/