分布式系中的一致性
参考文章https://www.cnblogs.com/hzmark/p/consistency_model.html
一致性一直是分布式系统中的一个重要的话题,在系统中,为了避免数据丢失,我们通常都会把处理好的数据进行持久化,但是在分布式系统中,一个数据可能被多个节点直接或间接地访问,这个时候,常常由于网络问题,数据的同步往往会十分不理想,导致得到的结果有偏差。
所以系统需要定义一组协议来规定用户读写多副本的行为,这组协议称之为一致性模型(Consistency Model)。在分布式系统领域,谈论一致性时通常谈论的都是一致性模型。
不同的一致性模型对系统的行为和表现有不同的约束。
下面是三个强一致性的模型
1. Strict Consistency
Strict Consistency是最强的一致性模型,要求任何读取操作都能读取到最新的值,换句话说,要求任何写入操作立即同步给所有进程。在分布式系统中,数据的同步是需要时间的,因此在分布式系统下无法严格实现Strict Consistency。除非让所有的读写操作都只在一个进程的一个线程中执行或者,读写操作被锁保护起来。(根据CAP的原理,这个一致性模型在没有牺牲可用性的前提下是不能得到满足的。 性能也是不可接受的:所有的写操作需要同步到所有节点之后再返回给客户端。)
2. Sequential Consistency
Sequential Consistency是比Strict Consistency弱一些的一致性模型,要求:
进程内,对同一个变量的读写保持顺序
进程间,“看到”的变量的变更顺序是一致的(不要求和“物理时间”下的顺序保持一致)
3. Linearizable Consistency
Linearizable Consistency比Sequential Consistency更严格一些:
进程内,对同一个变量的读写操作保持顺序
进程间,“看到”的变量的变更顺序和全局“物理时钟”下的顺序是一致的
即Linearizable Consistency是Sequential Consistency的特例,除了满足所有进程读到的变更顺序是相同,还要求这个顺序和全局时钟下的顺序是一致的。
和全局时钟下的顺序保持一致容易理解,即事件的顺序和它们在客观的物理时间下发生的时间顺序是一致的。
Causal Consistency
Causal Consistency是一种弱一致性模型,仅要求有因果关系的操作顺序性得到保证,非因果关系的操作顺序性没有要求。
具体如下:
本地顺序:统一进程中,事件的执行顺序即为本地的因果顺序
异地顺序:如果读操作返回的是写操作的值,那么该写操作一定在读操作之前
闭包传递:如果a->b,b->c,那么a->c
(Lamport在《Time, Clocks, and the Ordering of Events in a Distributed System》中描述的happen-before关系及其传递闭包)
腾讯朋友圈的例子
在infoq分享的腾讯朋友圈的设计中,他们在设计数据一致性的时候,使用了因果一致性这个模型。用于保证对同一条朋友圈的回复的一致性,比如这样的情况:
A发了朋友圈内容为梅里雪山的图片。
B针对内容a回复了评论:“这里是哪里?”
C针对B的评论进行了回复:“这里是梅里雪山”
那么,这条朋友圈的显示中,显然C针对B的评论,应该在B的评论之后,这是一个因果关系,而其他没有因果关系的数据,可以允许不一致。
微信的做法是:
每个数据中心,都自己生成唯一的、递增的数据ID,确保能排重。在下图的示例中,有三个数据中心,数据中心1生成的数据ID模1为0,数据中心1生成的数据ID模2为0,数据中心1生成的数据ID模3为0,这样保证了三个数据中心的数据ID不会重复全局唯一。
每条评论都比本地看到所有全局ID大,这样来确保因果关系。
比Causal Consistency更弱的一致性模型还有Eventual Consistency(最终一致),比如MySQL的异步复制。
Eventual Consistency:存储系统保证如果没有新的写操作,那么最终,所有的读操作都能读到一致的数据,这里强调对一个数据项的修改最终会收敛。
总结
本文简单的描述了分布式系统中一致性问题的由来,并介绍了几种一致性模型。
Strict Consistency要求最为严格,是现实环境中难以满足的一种一致性模型,除非牺牲可用性。
Linearizable Consistency略弱于Strict Consistency,不要求写入操作立即可见,但是要求写入操作保持和全局时钟下的顺序一致。
Sequential Consistency则更弱一些,不要求写入操作保持和全局时钟下的顺序一致,但是要求所有进程看到的写入操作的顺序是一致的。
Strict Consistency、Linearizable Consistency、Sequential Consistency都被认为是强一致的模型。
Causal Consistency被认为是一种若一致模型,它只要求有因果关系的事件之间保持顺序,详细可以参看Lamport在《Time, Clocks, and the Ordering of Events in a Distributed System》中描述的happen-before关系及其传递闭包。
Eventual Consistency是最终一致,只要求在没有新写入的情况下,最终所有数据达成一致,常见于一些异步复制的系统。