分布式学习——分布式系统的BASE理论
2018-01-08 11:31
387 查看
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),但应用可以采用适合的方式达到最终一致性(EventualConsitency)。
BASE是指基本可用(Basically Available)、软状态( Soft State)、最终一致性( Eventual Consistency)。
基本可用(Basically Available)
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。电商大促时,为了应对访问量激增,部分用户可能会被引导到降级页面,服务层也可能只提供降级服务。这就是损失部分可用性的体现。
软状态( Soft State)
软状态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。分布式存储中一般一份数据至少会有三个副本,允许不同节点间副本同步的延时就是软状态的体现。mysql replication的异步复制也是一种体现。
最终一致性( Eventual Consistency)
最终一致性是指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。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是传统数据库常用的设计理念,追求强一致性模型。BASE支持的是大型分布式系统,提出通过牺牲强一致性获得高可用性。ACID和BASE代表了两种截然相反的设计哲学
在分布式系统设计的场景中,系统组件对一致性要求是不同的,因此ACID和BASE又会结合使用。
参考资料
CAP和BASE理论原文地址 : http://www.hollischuang.com/archives/672
相关文章推荐
- 分布式系统之CAP理论学习
- 分布式系统的BASE理论
- Zookeeper 系统学习二--Base理论、2P、3P、Paxos 算法、ZAB协议
- 分布式学习——分布式系统的CAP理论
- 分布式系统开发的一些相关理论基础——CAP、ACID、BASE
- 分布式系统之CAP理论和BASE思想
- 分布式系统理论之租约机制学习
- 分布式系统理论之租约机制学习
- hadoop学习笔记之二:分布式系统中的CAP理论
- MLBase:Spark生态圈里的分布式机器学习系统
- 分布式系统的BASE理论
- MLBase:Spark生态圈里的分布式机器学习系统
- 分布式领域BASE理论-学习整理
- 一脸懵逼学习Storm---(一个开源的分布式实时计算系统)
- 让用户减少学习成本——后台系统交互心得(二)(原创理论)
- 让spark运行在mesos上 -- 分布式计算系统spark学习(五)
- 跟我学习dubbo-消息中间件在分布式系统中的作用介绍(8)
- 大规模分布式跟踪系统的理论
- 分布式云存储系统的基础 CAP理论
- 分布式架构学习之:013--基于Dubbo的分布式系统架构介绍(以第三方支付系统架构为例)