diff --git a/notes/分布式基础.md b/notes/分布式基础.md
index 3c4f8a4b..a49332f4 100644
--- a/notes/分布式基础.md
+++ b/notes/分布式基础.md
@@ -18,6 +18,10 @@
     * [1. 强同步复制协议](#1-强同步复制协议)
     * [2. 异步复制协议](#2-异步复制协议)
 * [CAP](#cap)
+* [BASE](#base)
+    * [1. 基本可用](#1-基本可用)
+    * [2. 软状态](#2-软状态)
+    * [3. 最终一致性](#3-最终一致性)
 * [容错](#容错)
     * [1. 故障检测](#1-故障检测)
     * [2. 故障恢复](#2-故障恢复)
@@ -160,6 +164,28 @@ Distributed Hash Table（DHT）：对于哈希空间 0\~2<sup>n</sup>，将该
 
 需要注意的是，分区容忍性必不可少，因为需要总是假设网络是不可靠的。因此实际上设计分布式系统需要在一致性和可用性之间做权衡。
 
+# BASE
+
+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。BASE 理论是对 CAP 中一致性和可用性权衡的结果，是基于 CAP 定理逐步演化而来的。BASE 理论的核心思想是：即使无法做到强一致性，但每个应用都可以根据自身业务特点，采用适当的方式来使系统达到最终一致性。
+
+## 1. 基本可用
+
+指分布式系统在出现故障的时候，保证核心可用，允许损失部分可用性。
+
+例如，电商在做促销时，服务层可能只提供降级服务，部分用户可能会被引导到降级页面上。
+
+## 2. 软状态
+
+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，即不同节点的数据副本之间进行同步的过程允许存在延时。
+
+## 3. 最终一致性
+
+指所有的数据副本，在经过一段时间的同步之后，最终都能够达到一致的状态。
+
+强一致性需要保证数据副本实时一致，而最终一致性只需要保证过一段时间是一致的。
+
+ACID 是传统数据库系统常用的设计理论，追求强一致性模型。BASE 常用于大型分布式系统，只需要保证最终一致性。在实际的分布式场景中，不同业务单元和组件对一致性的要求是不同的，因此 ACID 和 BASE 往往会结合在一起使用。
+
 # 容错
 
 分布式系统故障发生的概率很大，为了实现高可用以及减少人工运维成本，需要实现自动化容错。