数据一致性

CAP 中的一致性 —— 数据的强一致性
BASE 中的一致性 —— 数据的最终一致性
Quorum NWR 中当 W+R>N 时，具有客户端读一致性

数据一致性模型：强一致性、最终一致性、线性一致性、因果一致性等

• 四个经典且常见的一致性模型：线性一致性、顺序一致性、因果一致性和最终一致性。
• 线性一致性
  • 在分布性锁、Leader 选举、唯一性约束等很多场景都可以看到它的身影。
  • 从读写操作的维度来判断
    • 对于写操作来说，任意两个写操作 x1 和 x2：
      • 1️⃣ 如果写 x1 操作和写 x2 操作有重叠，那么可能 x1 覆盖 x2，也可能 x2 覆盖 x1；
      • 2️⃣ 如果写 x1 操作在写 x2 开始前完成，那么 x2 一定覆盖 x1。
    • 对于读操作来说：
      • 1️⃣ 写操作完成后，所有的客户端都能立即观察到；
      • 2️⃣ 对于多个客户端来说，必须读取到一样的顺序。
  • 所有的读取都可以读到最新写入的值，即一旦新的值被写入或读取，所有后续的读都会看到写入的值，直到它被再次覆盖。在线性一致性模型中不论是数据的覆盖顺序还是读取顺序，都是按时间线从旧值向新值移动，而不会出现旧值反转的情况。
• 顺序一致性
  • 相对于线性一致性来说，顺序一致性在一致性方面有两点放松：
    • 对于写操作，对没有因果关系的非并发写入操作，不要求严格按时间排序。
      • 写 2️⃣ 上，无因果，可互相覆盖；有因果，后覆盖前。
    • 对于读操作，只要求所有的客户端观察到的顺序一致性，不要求写入后，所有的客户端都必须读取新值。
      • 读 1️⃣ 上，如果写操作 x2 覆盖 x1 完成，那么如果一个客户端到 x2 后，它就无法读取到 x1 了，但是这个时候，其他的客户端还可以观察到 x1。
• 因果一致性
  • 相对于顺序一致性来说，因果一致性在一致性方面有两点放松：
    • 对于写操作，对没有因果关系的非并发写入操作，不仅不要求按时间排序，还不再要求节点之间的写入顺序一致了；
    • 对于读操作，由于对非并发写入顺序不再要求一致性，所以自然也无法要求多个客户端必须观察到一样的顺序。
• 最终一致性
  • 写操作：如果写 x1 操作在写 x2 开始前完成，那么所有节点在最终某时间点后，都会用 x2 覆盖 x1。
  • 读操作：在数据达到最终一致性的过程中，客户端的多次观察可以看到的结果是 x1 和 x2 中的任意值；在数据达到最终一致性的过程后，所有客户端都将只能观察到 x2。

还有一个弱一致性，参考：Transactions Across Datacenters (and other weekend projects)

• After a write, reads may or may not see it
• Best effort only
• “Message in a bottle”
• App Engine: memcache
• VoIP, live online video
• Realtime multiplayer games

参考链接

26｜一致性与共识（一）：数据一致性都有哪些级别？-深入浅出分布式技术原理-极客时间