Base概念
BASE 理論是一種處理大規模分布式系統中的數據一致性問題的思路。相比于傳統的嚴格一致性，它更靈活，適用于那些需要高可用性和性能的系統。BASE 理論由三個部分組成：
基本可用（Basically Available）
基本可用指的是系統在遇到某些故障或部分失敗時，仍然能夠保證核心功能的可用性，但不一定能保證所有功能的正常運行。基本可用是對系統可用性的一種寬松要求，強調系統在大部分時間內是可用的，但在極端情況下，允許系統降級服務以確保基本功能的運行。
軟件例子：
在電商平臺上，基本可用意味著即使在高峰期或部分服務器宕機的情況下，用戶仍然能夠瀏覽商品和下訂單，但某些非關鍵功能（如歷史訂單查看、推薦系統）可能會暫時不可用或響應速度變慢。
生活例子：
就像一家24小時營業的便利店，雖然偶爾會有幾分鐘收銀系統出故障，但大多數時間你都能順利買到東西。
軟狀態（Soft State）
軟狀態指的是系統中的狀態數據可以在沒有輸入的情況下發生變化。數據可以是過時的、不準確的或者不一致的，并且這種狀態在短時間內是可以接受的。軟狀態與ACID模型中的強一致性要求相對立。在ACID模型中，狀態必須是嚴格一致的，而在BASE模型中，系統允許有暫時的不一致狀態，從而提高系統的可用性和容錯性。
軟狀態的重要性在于它允許系統進行異步更新和數據復制。這樣，系統可以在不同的節點之間傳播變化，而不需要在每一次寫操作時強制同步所有節點，這樣可以大大提高系統的響應速度和可用性。
軟件例子：
在CDN中，不同的緩存服務器可能會緩存同一內容的不同版本。由于內容更新的傳播需要時間，短時間內用戶可能會從不同的服務器上獲取到不同版本的內容。
生活例子：
假設你和你的家人有一個家庭記賬本，用于記錄每個月的支出和收入。為了方便使用，這個記賬本被分成幾個副本，分別放在家里的不同地方（如廚房、客廳和臥室），你在廚房的記賬本上記錄了一筆支出“買菜花了50元”，但是你沒有立即去客廳和臥室的記賬本上記錄這筆支出。
最終一致性（Eventual Consistency）
最終一致性是指在沒有新的更新操作發生的情況下，經過一段時間后，系統中的所有副本數據將最終達到一致的狀態。最終一致性并不保證數據在任意時刻都是一致的，但保證在某個時間點之后，所有節點上的數據會趨于一致。
軟件例子：
假設你正在運行一個電商平臺，當用戶下訂單時，需要同時更新訂單服務和庫存服務。為了保證系統的高可用性和擴展性，我們使用消息隊列來實現這兩個服務之間的解耦，同時保證最終一致性。
生活例子：
還是家庭賬本的例子，到了晚上，全家人聚在一起，將各自記錄的支出和收入同步到每一個記賬本中。經過這次同步，所有記賬本上的內容都一致了。
盡管在一天中的某些時間段，廚房和客廳的記賬本數據是不一致的，但通過同步，最終所有的記賬本都達到了相同的狀態，實現了最終一致性。
區別
基本可用
本質區別：基本可用關注的是系統在大部分時間內的高可用性，即使在故障發生時，系統也能夠提供部分服務而不是完全宕機。
側重點：通過冗余、負載均衡等手段，確保系統在部分節點失效或網絡分區時仍然可以提供服務。
軟狀態
本質區別：軟狀態允許系統中的狀態在一定時間內是不一致的。
側重點：重點在于系統的容錯性和性能。通過允許暫時的不一致，系統可以更高效地處理并發請求，并提高響應速度。
最終一致性
本質區別：最終一致性保證系統在沒有新的更新操作的情況下，所有的數據副本最終會達到一致。
側重點：重視的是系統的可擴展性和性能。通過允許數據在多個節點間異步復制，系統可以更容易地擴展，同時提高寫入和讀取的效率。
應用
BASE理論作為一種適用于分布式系統的理論框架，其應用確實非常廣泛。BASE理論強調了在分布式系統中，特別是在大規模、高并發的互聯網應用中，如何平衡系統的可用性、性能和數據一致性。比如BASE理論在消息隊列領域的一些應用，以下是Base理論在Kafka中的應用：
基本可用
Kafka集群通過數據分區和復制來保證基本可用性。每個主題（Topic）被分成多個分區（Partitions），這些分區分布在集群中的不同Broker上。每個分區可以有多個副本（Replicas），包括一個領導者副本（Leader Replica）和多個追隨者副本（Follower Replicas）。當某個Broker發生故障時，其他Broker上的副本可以接管服務，確保系統的基本可用性。
最終一致性
Kafka集群通過副本同步機制來實現最終一致性。當消息被寫入領導者副本時，它會異步復制到追隨者副本。即使存在網絡分區或節點故障，Kafka也會確保所有副本最終達到一致的狀態。
此外，Kafka的副本同步機制還包括了ISR（In-Sync Replicas）的概念，ISR 是指與 Leader 保持同步的 Follower 副本集合。通過 ISR 機制，Kafka 能夠在保證高吞吐量和低延遲的同時，實現數據的最終一致性。
在kafka中acks參數是生產者在發送消息時用來控制數據持久性和同步性的一個重要設置
acks=all 或 acks=-1：
生產者在所有的ISR（In-Sync Replicas）中的副本都確認收到消息后才會收到成功響應。
