分布式数据一致性

一、分布式环境

1.1 分布式的特点

• 分布性：分布式系统中的多台计算机都会在空间上随意分布。
• 对等性：集群中没有主/从节点之分，所有节点都是对等的；在分布式系统中，为了对外提供高可用的服务，我们常常会对数据和服务进行副本处理。
• 并发性：多个节点并发操作共享资源，比如我们分布式存储如何准确并高效地协调分布式并发操作。
• 缺乏全局时钟：分布式系统中因为没有全局时钟序列控制，所以事务的先后顺序无法确定
• 故障总是会发生

1.2 分布式环境的各种问题

• 通信异常
  分布式系统中个计算机之间是通过网络进行通信的。由于网络本身的不可靠性，每次网络通信都会伴随着网络不可用的风险。即使分布式系统各节点之间的网络通信能够正常进行，其延时也会远远大于单机操作。在分布式系统中，消息延时和消息丢失非常普遍。
• 网络分区
  当网络发生异常情况，可能导致分布式系统中某些节点之间能够正常通信，而某些节点之间无法通信——该现象就是网络分区，就是俗称的『脑裂』。当网络分区出现时，分布式系统就会出现局部小集群，小集群内计算机可以相互通信，小集群之间计算机无法通信。这就对分布式一致性提出了非常大的挑战。
• 三态
  因为在分布式系统中，网络可能会出现各式各样的问题，因此分布式系统的每一次请求和响应，存在特有的『三态』概念，即成功、失败与超时。在传统的单机系统中，应用程序在调用一个函数之后，能够得到一个非常明确的相应：成功或失败。而在分布式系统中，由于网络是不可靠的，当网络出现异常的情况下，就可能出现超时现象，发生消息丢失现象。
• 节点故障
  节点故障是分布式环境下一个比较常见的问题，指的是组成分布式系统的服务器节点出现宕机或『僵死』现象。通常根据经验来说，每个节点都有可能出现故障，并且每天都在发生。

二、一致性定义

2.1 CAP理论

• C 一致性： 分布式环境中，一致性是指多个副本之间，在同一时刻能否有同样的值

• A 可用性： 系统提供的服务必须一直处于可用的状态。即使集群中一部分节点故障。

• P 分区容错性： 系统在遇到节点故障，或者网络分区时，仍然能对外提供一致性和可用性的服务。以实际效果而言，分区相当于通信的时限要求。系统如果不能在一定实现内达成数据一致性，也就意味着发生了分区的情况。必须就当前操作在 C 和 A 之前作出选择

2.2 常见场景

• CA without P：
  在分布式环境中，P 是不可避免的，天灾（某软公司的Azure被雷劈劈中）人祸（某里公司 A 和 B 机房之间的光缆被挖断）都能导致P

• CP without A：
  相当于每个写请求都须在Server之前强一致。P (分区)会导致同步时间无限延长。这个是可以保证的。例如数据库的分布式事务，两阶段提交，三阶段提交等

• AP without C：
  当网络分区发生，A 和 B 集群失去联系。为了保证高可用，系统在写入时，系统写入部分节点就会返回成功，这会导致在一定时间之内，客户端从不同的机器上面读取到的是数据是不一样的。例如 redis 主从异步复制架构，当 master down 掉，系统会切换到 slave，由于是异步复制，salve 不是最新的数据，会导致一致性的问题。