数据复制与一致性

一致性理论模型

CAP

强一致性，系统的可用性，网络的分区容忍性是不可同时获得的

ACID 与 BASE

acid是关系数据库原则，获得了高可靠性与强一致性
base是NoSQL原则，牺牲了强一致性来获得高可用性

数据为中心的一致性

强一致性

对于数据的更改，所有进程获得的数据是一致的

最终一致性

只要最后会一致即可，可以有一个不一致窗口

因果一致性

最终一致性一种，同样含有不一致窗口，但是要保证具有因果的进程一致
同一进程，先读再写有因果关系
不同进程，先写再读有因果关系

readyourwrite

保证自己写后能读到最新的值

会话一致性

特殊的ReadYourWrite，使得会话成为一个‘事务’。

用户为中心的一致性

单调读

若用户读后，整个系统不应读到比该版本更老的版本

单调写

即写是按顺序进行的

副本数据更新策略

主从更新

1.等待所有从机更新完成后再返沪用户
2.不等待（或等待部分，即为混合方式）直接返回用户

服务器应答

1.仅主服务器应答
2.从服务器也可应答（可能造成读不单调，通过R+W>N,保证读到一个同步节点）

任意节点更新

任意节点可称为主节点

一致性协议协议

两阶段提交

vote阶段与commit/abort阶段。（还是一个分布式的提交，只是有一个集中式的决策者）

向量时钟

（A:a，B:b,C:c,D:d）

RWN

Read+Write >N(总进程数)

paxos

lamport 时钟（以log副本以及内部状态机实现）
prepare阶段
1.PROPOSER向ACCEPTOR广播prepare（n），
2.ACCEPTOR接收到PROPOSER的广播开始检检查prepare(n)。
若n为接收到的最大，就响应PROPOSER且返回max(n)的accept（n,v）。
若n并非最大，不作任何响应
accept阶段
1.PROPOSER计数大多数的prapare(n)，并返回accept(n,v)。对于v的选择
(1).选取所有PROPOSER返回的accept(n,v)选择max(v)作为v
(2).random(v)
2.ACCEPTOR接受任意accept(n,v)除非已经接受更大n的prepare(n)
最终可以选择出全局唯一的v

raft

paxos实际应用上难以证明其正确性，raft退而求其次，将应用划分为3个独立子问题（损失拓展性？类似mapreduce思想？）领导者选举，log复制，安全性。且采用主从结构(损失性能？)
1.follower不会发出rpc
2.若follower没有接收到心跳的启动选举程序
3.选举时follower（每个超时时间均不同）转为candidata并广播投票信息

投票

仅投给同term的且仅投一个

状态转换

若赢得选举在->candidata-leader
若另一个服务器宣称自己是服务器->candidata-follower
没有新的leader->term++；candidata不变

log复制

1.全局索引以及term编号确定唯一log
2.该唯一确定的log可递归证明前驱log也相同

安全性

仅包含所有已提交log的candidata才有资格成为leader
仅新leader提交过的log才被认为是被真正提交的