分布式系统——一致性

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。