前言
很多文章说BASE理论是CAP理论的演进，这种说法先存疑。
CAP理论在分布式系统的适用场景在《如何理解分布式系统下的CAP理论？》已经很明确了：对共享数据的互连节点集合的读写。比如Redis、Kafka、Zookeeper、Nacos这样的中间件。
但是大部分开发人员所开发的分布式系统主要是业务应用，显然 CAP 理论不适用的。
所以，个人认为，是因为CAP理论在分布式系统中的适用场景太过局限，才有的BASE理论。
什么是BASE理论?
什么是BASE理论?
BASE是Basically Available（基本可用）、Soft state（软状态）和 Eventually consistent（最终一致性）三个短语的缩写，也是BASE理论的三个核心概念。
这三个核心概念是我们在开发分布式应用时很自然的就会应用，通过下面的描述看看你们是否也是这么运用的。
Basically Available（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。例如：
- 响应时间上的损失。正常情况下，0.5秒之内返回给用户结果，但由于出现故障，会有重试等操作，3秒内返回也可以接受。
- 系统功能上的损失：正常情况下，用户可以顺利完成每一笔订单，但是在一些流量高峰的时候，为了保护系统的稳定性，部分用户可能会被引导到一个降级页面。
Basically Available（基本可用）没有 CAP 中的可用性定义那么严格（在一定时间内可以得到正确的响应）。
Soft state（软状态）
软状态是指：允许系统中的数据存在中间状态，这种中间状态的存在不会影响数据的整体一致性。
例如：在 A 账户向 B 账户交易100的场景中，因为不会很快交易完成或者存在交易失败的情况，所以不会直接扣减 A 账户的100到 B 账户上，而是先把 A 账户的可用额度扣减到冻结额度上。
这样的话，即使在交易进行中，也不会影响 A 账户的使用（如果 A 账户可用余额足够，依然可以继续交易）。
Eventually consistent（最终一致性）
最终一致性是指：在经过一段时间后，软状态的数据达到最终一致的状态。
例如：在冻结 A 账户100后，如果失败那就扣减A账户冻结的100至可用余额中。如果交易成功将 A 账户冻结的100扣减，并添加至 B 账户的可用余额。最终达到一致性。
总结
BASE理论更符合我们在开发分布式应用时的一些设计理念。
我正在参与2024腾讯技术创作特训营最新征文，快来和我瓜分大奖！
