分布式架构入门：一文轻松搞懂晦涩的CAP理论！( 三 ) _可用性

四、BASE是CAP的补偿
为了解决CAP限制，出现了BASE理论，也就是基本可用（）、软状态（Soft state）、最终一致性（）理论。BASE是对CAP中一致性和可用性权衡的结果，其通过牺牲强一致性来获取高可用性。
1、基本可用（）：指的是分布式系统在出现故障的情况下，仍然可以提供服务，尽管这个服务可能不完全，或者有降级，这里的关键是部分和核心。
以电商网站为例，假设一个电商网站有订单服务、商品浏览服务、评论服务、搜索服务等多个服务。如果因为某种原因（如网络分区、硬件故障等）导致评论服务暂时不可用，但是其他服务，如订单服务、商品浏览服务、搜索服务等仍然可用。此时，用户仍然可以浏览商品、下订单和搜索，只是不能进行评论。也就是说，整个系统仍然是"基本可用"的。
2、软状态（Soft state）：允许系统中的数据存在一段时间的不一致。
例如，当你第一次访问一个网站的时候，你的计算机会向DNS服务器查询这个网站对应的IP地址，然后DNS服务器会返回IP地址，这个IP地址会被你的计算机或者你的网络设备缓存起来，以备下次访问的时候使用，以节省查询时间。但是，如果在这个缓存期间，网站服务器更换了IP地址，那么你的计算机或者网络设备缓存的DNS解析结果就会过期，这就是一个"软状态" 。
3、最终一致性（）：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。这里的关键词是“一定时间”和“最终“，“一定时间”和数据的特性是强关联的，不同的数据能够容忍的不一致时间是不同的。
例如，在一个社交媒体网站上，当用户发布一条新的状态更新或者照片，他的朋友们可能不能立刻看到这个更新。这是因为这个新的状态更新需要被复制到数据中心的各个节点，这个过程可能需要一些时间。在这个场景中，用户通常能接受这种延迟，因此对于最终一致性的时间容忍度相对较大。但是，当用户在电商网站购买商品时，库存数据的对最终一致性的时间容忍度相对较小，因此，电商网站需要尽快地更新和传播库存变化，以确保所有的用户都能看到准确的库存信息。
前面讲过，完美的CP是不存在的，即使是几毫秒的数据复制延迟，在这几毫秒的时间间隔内，系统是不符合CP要求的，因此，CAP中的CP方案，实际上也是实现了最终一致性。AP方案中牺牲一致性，则只是在分区期间，而不是永远放弃一致性，在分区故障恢复后，系统应该达到最终一致性，因此，BASE是CAP理论的延伸。
五、CAP和ACID的辨析
CAP中的一致性有时会和ACID的一致性产生概念混淆，那么ACID的C到底跟CAP的C有什么区别呢？
ACID是指数据库事务正确执行的四个基本特性：原子性()、一致性()、隔离性()和持久性() 。在这里，一致性的定义是：数据库的状态应该从一个一致的状态转移到另一个一致的状态，即事务执行前后都保持业务规则的一致性，如完整性约束等。
两者的主要区别在于其应用的范围和关注点不同：
1、CAP中的一致性更多的是从分布式系统的角度考虑，关注的是分布式节点间的数据一致性问题，即所有节点看到的数据是否实时一致。
2、ACID中的一致性是从单个数据库系统的角度考虑，主要关注的是数据库在进行事务操作后，数据是否满足预定义的业务规则和约束，保证数据的正确性。
举个具体的例子来说明：
假设你有一个银行应用程序，这个程序有一个简单的业务规则：客户的账户余额不能小于0 。在这个场景下，如果一个客户想要从他们的账户中提取500美元，系统会首先检查账户余额是否满足这个要求。如果账户余额是600美元，那么提取操作是可以进行的，并且完成后，账户余额将是100美元。这是一个一致性状态，因为它满足了业务规则。