深入理解分布式系统第三章（3）

CAP定理：

        指出在一个异步网络环境中，对于一个分布式读写存储(Read-WriteStorage)系统来说，只能满足以下三项中的两项，而不可能满足全部三项：

        一致性(Consistency)：客户端访问所有节点，返回的都是同一份最新的数据。

        可用性(Availability)：每次请求都能够获取非错误响应，但不保证最新数据。

        分区容错性(Partition Tolerance)：节点之间因为网络波动导致信息丢失，系统仍能继续正常工作。

        例如，对于需要强一致性的金融交易系统，可能会选择CP模型；而对于需要高可用性的社交媒体平台，则可能选择AP模型。

        一致性，这里指线性一致性

PACELC定理：

        此定理是对cap定理的扩展，CAP定理忽略分布式系统中的延迟影响是一个重大疏忽，因为延迟在系统运行过程中时刻存在，而网络分区不会一直存在。

        PACELC定理指出，当存在网络分区（P）时，系统必须在可用性（A）和一致性（C）之间做出选择。当系统没有分区（E），即正常运行时，系统需要在延迟（Latency）和一致性（C）之间做出权衡。

BASE：

        BasicallyAvailable, SoftState, Eventually Consistent

        BASE即基本可用、软状态和最终一致性的首字母缩写，目的是抓住当时逐渐成型的一些针对高可用性的设计思路，其中的软状态和最终一致性主要指存在网络分区的情况，为了高可用性，舍弃强一致性，选择一致性更弱的最终一致性。

一致性模型

        线性一致性

        cap中的一致性指线性一致性，线性一致性也称为强一致性，（强一致性：所有节点在同一时间看到的数据都是相同的。）

        作者给出严格定义是：给定一个执行历史，执行历史根据并发操作可以扩展为多个顺序历史(SequentialHistory)，只要从中找到一个合法的顺序历史，那么该执行历史就是线性一致性的。

        就是，当write（1）和write（3）并发时，后面要read（1），那么就要保证write（3），write（1）然后read（1）这样是合法的。

        顺序一致性

        只要求同一个客户端(或进程)的操作在排序后保持先后顺序不变，但不同客户端(或进程)之间的先后顺序是可以任意改变的。

        

        因果一致性

        最终一致性

        只要系统最终能够达到一个稳定的状态。

隔离级别

        

读未提交（Read Uncommitted）：

        在这个级别上，事务可以读取到其他未提交事务的修改。这意味着可能会读到脏数据，因为这些修改可能会被回滚。

        脏读：一个事务读取到另一个事务未提交的数据。

读已提交（Read Committed）：

        事务只能读取到其他事务已经提交的修改。这是大多数数据库系统的默认隔离级别。

        脏读被解决，但仍然存在不可重复读和幻读的问题。

        不可重复读：一个事务在两次执行相同的查询时，可能会得到不同的结果，因为其他事务的提交改变了数据。

        幻读：在同一个事务中，相同条件下的查询可能会得到不同的记录数，因为其他事务插入或删除了记录。

可重复读（Repeatable Read）：

        事务在整个过程中可以重复读取到相同的数据行，即使其他事务提交了新的数据修改。这通常通过锁定读取的数据行来实现。

        解决了脏读和不可重复读的问题，但幻读仍然可能发生。

        注意：在某些数据库系统中，如MySQL的InnoDB引擎，可重复读隔离级别实际上也解决了幻读的问题。

串行化（Serializable）：

        最高的隔离级别，事务会依次逐个执行，模拟了没有并发执行的环境。这样可以避免脏读、不可重复读和幻读，但会大幅降低并发性能。

        事务在执行过程中会锁定涉及的所有数据，直到事务完成。

一致性和隔离级别对比

        一致性模型和隔离级别的相同点是，它们本质上都是用来描述系统能够容忍哪些行为，不能容忍哪些异常行为，更严格的一致性模型或隔离级别意味着更少的异常行为，但以降低系统性能和可用性为代价。

        一致性模型和隔离级别的一个主要区别是，一致性模型适用于单个操作对象，比如单个数据项或单个变量的读写，该数据可能存在多个副本;而隔离级别通常涉及多个操作对象，比如在并发事务中修改多个数据。