3.5 分布式一致性模型

1. 分布式一致性模型是什么

• 不同的一致性模型解决了不同程度的一致性问题

2. 分布式一致性模型分类

2.1. 强一致性

• CAP.md中的C
• 也叫线性一致性

2.2. 弱一致性

• 最终一致性
  • 因果一致性
    • 读你所写一致性
      • 会话一致性
  • 单调读一致性
  • 单调写一致性
  • 前缀读一致性

3. 线性一致性

3.1. 是什么

• 只要一个客户端成功完成写操作，所有客户端从数据库中读取数据必须能够看到刚刚写入的值
• 
• 如果存储满足线性一致性，那么客户端进程可以把该存储当作
  • 只有一个数据副本
  • 所有的操作都是原子的

3.2. 使用场景

• 分布式锁和Leader选举：比如Leader选举本质上就是谁抢到了锁，谁就是Leader
• 唯一性保证：比如用户名必须唯一
• 跨多个通道的顺序性：比如RPC调用+消息队列

3.3. 实现

• 单Leader复制+一致性算法：
  • 一致性算法解决了单Leader复制的脑裂和读取过期数据的问题
  • 使用同步而不是异步复制

3.4. 问题

• 线性一致性就是牺牲了CAP中的A

4. 最终一致性

4.1. 是什么

• BASE.md中的E
• 最终一致性要求一旦更新成功，各个副本上的数据最终将达到完全一致的状态，但达到完全一致状态所需要的时间不能保障。
• 

4.2. 问题

• 没有规定等待的时间

5. 因果一致性

5.1. 是什么

• 如果a、b进程有因果关系，那么a更新后，需要通知b进程
• 

5.1.1. 全局与偏序

• 全序指给定两个数a，b，一定可以知道要么a>b，要么a<b
• 偏序指给定两个数a，b，可能a>b，可能a<b，也可能a和b不能比较

5.1.2. 因果关系

• 如果a是因，b是果，那么a happen before b而不能b happen before a
• 因果关系是一种偏序关系
• 线性一致性是一种全序关系

5.2. 实现

• 因果一致性序列号+全序广播

5.2.1. 因果一致性序列号

• 就是一个递增的ID，用于明确所有操作的全序
  • 单Leader：由主库生成即可
  • 多Leader：Lamport时钟

5.2.2. 全序广播

• 用于明确全序何时落地
• 通过单Leader多Follower机制，在Leader节点上对所有操作进行排序，从而决定了整个操作顺序，并将操作顺序进行广播
• 分布式节点间交换消息的协议，有两个属性
  • 可靠性：消息不会丢失
  • 有序性：发消息的顺序是怎样的，那么收消息的顺序就是怎样的

5.2.3. 全序广播的问题

• 如果吞吐量大于单Leader的处理量，那么如何扩展系统
• 出现Leader失效的情况，如何进行故障转移

6. 读你所写一致性

• 用户刚在leader写完数据，从leader读是可以读到的，但是立马从follower读，此时是读不到的
• 

6.1. 实现

• 从Leader读
  • 用户在更新后的一分钟内从Leader节点那里读取自己写入的数据，然后从Follower节点处读取其他用户写入的数据
  • 缺点：仅仅适用于每个用户都仅仅修改自己数据的场景
• 时间戳机制
  • 客户端记录最后一次写入的逻辑时间，从follower读的时候必须读取这个时间之后的数据，否则路由到其他节点或者等待时间。时间戳可以是逻辑时间或者系统时间

7. 会话一致性

7.1. 是什么

• 
• 在一个会话期间可以保证读你所写一致性

8. 单调读一致性

8.1. 是什么

• leader同步给follower1但是没有同步给follower2
  • 用户先从follower1读，取到了新数据；
  • 再从follower2读，这个数据不存在了
• 单调读一致性保证如果某个进程读取到数据x的某个版本数据v2,那么系统所有后续的读取操作都不能看到比v2更老版本的数值,比如v1
• 

8.2. 实现

• 同一个用户通过hash(uid)打到同一个副本读取

9. 单调写一致性

9.1. 是什么

单调写一致性可以保证其多次写操作的序列化,如果没有这种保证,对于应用开发者来说是很难进行程序开发的。

10. 前缀读一致性

10.1. 是什么

• 用户1写入data1到leader1
• 用户2写入data2到leader2
• leader2同步data2给follower2
• 用户3从follower1读取没有data1
• 用户3从follower2读取有了data2
• leader1同步data1给follower1
• 用户3从follower1读取有了data1

10.2. 实现

• 确保任何因果相关的写入都写入相同的分区

11. 参考

• JGrowing/谈谈数据一致性.md at master · javagrowing/JGrowing
• 线性一致性与全序广播------《Designing Data-Intensive Applications》读书笔记12 - HappenLee - 博客园
• 通俗易懂 强一致性、弱一致性、最终一致性、读写一致性、单调读、因果一致性 的区别与联系 - 知乎
• 谈谈数据一致性