一致性
分布式系统中的一致性模型有很多，我们来简单聊聊
单体架构
我们先看看单体架构存在一致性问题吗？
这里说的单体是针对server的
我们后面的所有案例都以足球比赛为例
这里我们有多个client，但是只有一个server
这里有一个细节，我故意将clientA的请求放在ClientB前面。
clientB明明请求时间晚于clientA，但获取到的结果比clientA旧。
这合理吗？
这合理，并且不违法任何一致性，因为clientA请求到达server的时间要晚于ClientB
分布式架构
现在系统大多是分布式架构，肯定不会只有一个server
大多是一主多从，多主多从其实也能简化为一主多从。
强一致性
线性一致性(Linearizability)
线性一致性和之前的单体架构类似，线性一致性（Linearizability）要求所有操作（读/写）看起来像是原子性执行且按全局实时顺序生效。
即，一旦写操作完成，所有后续读操作必须返回该值或更新的值，核心特征如下
- 全局实时顺序：所有操作按全局时间顺序生效，仿佛在一个中心化系统中执行。
CAP理论中的C就指定的线性一致性
我们先看看不满足线性一致性(Linearizability)的场景
首先client-admin对比分进行了更新，更新为1:0
此时main server比分进行了更新，因为是异步update到read server，有延迟
此时同一时间clientA和clientA同时请求一个请求到main server，一个请求到read server
这时候得到的结果就不一样
clientA获取到的结果为 1:0
clientB获取到的结果为 0:0
虽然最终clientB能获取到结果为1:0
这只满足最终一致性，不满足线性一致性
要满足线性一致性也很简单。我们看如下图
首先client-admin对比分进行了更新，更新为1:0
此时main server比分进行了更新，然后同步update到read server，同步成功才返回给client-admin返回成功
这样clientA和clientB获取到的结果为都为1:0
- 应用场景
线性一致性主要用于像分布式锁这种强一致的系统，以牺牲性能为代价，换取强一致性
像Raft协议就是线性一致性，所以一些使用Raft协议开发的分布式系统都是线性一致性的应用场景
顺序一致性(Sequential Consistency)
顺序一致性要求所有的事件，在所有的client看来发生顺序一致，属于强一致性
核心特征:
-
局部顺序保留：每个节点的操作顺序必须一致，但允许不同节点的操作在时间上重叠
-
不依赖真实时间：只需逻辑顺序一致，无需全局时钟同步
线性一致性要求操作按真实时间顺序生效，顺序一致性只需逻辑顺序一致
我们还是用如下的图来说明
这里我们看有两个client-admin对main server同时进行数据更新
client-admin-A 更新 中国vs德国 比分为1:0
client-admin-B 更新 美国vs法国 比分为1:0
此时所有客户端看到的信息都是
先看到 中国vs德国 比分为1:0 再看到 美国vs法国 比分为1:0
是满足顺序一致性的
如果是像如下图
所有客户端都看到的信息是
先看到 美国vs法国 比分为1:0
再看到 中国vs德国 比分为1:0
也是满足顺序一致性的
顺序一致性不需要按真实的时间顺序进行排序
系统可以自主选择全局逻辑顺序（如 中国vs德国 -> 美国vs法国 或者 美国vs法国 -> 中国vs德国），只要所有节点统一即可，无需与实际时间一致。
- 应用场景
像ZooKeeper就是顺序一致性
弱一致性
因果一致性(Causal consistency)
核心特征
- 因果关系保留：如果操作 A 因果依赖于操作 B（例如 B 写入后 A 读取），则所有节点必须按 B→A 的顺序生效
- 无关操作可乱序：无因果关系的并发操作可以以任意顺序生效
比顺序一致性更宽松，性能更高，但能保证逻辑正确性
我们来看一个满足因果一致性的例子
这里我们可以看到有2场比赛
- 中国 vs 韩国
- 美国 vs 法国
正常是物理时间顺序是
中国 vs 韩国 更新比分为 1:0
美国 vs 法国 更新比分为 1:0
中国 vs 韩国 更新比分为 2:0
首先看到 中国 vs 韩国 更新比分为 1:0，随后美国 vs 法国比分更新后
clientB看到的结果还是
中国vs韩国 比分为1:0
美国vs法国 比分为0:0
实际这时候clientA看到的比分为
中国vs韩国 比分为1:0
美国vs法国 比分为1:0
但是这里是满足因果一致性的，因为美国vs法国和中国vs韩国没有因果关系
不能先看到 中国 vs 韩国 更新比分为 2:0，因为只有看到了 中国 vs 韩国 更新比分为 1:0，才能看到中国 vs 韩国 更新比分为 2:0
中国 vs 韩国他们之前的比分是有因果关系的，要先有1:0，然后再有2:0
但是美国vs法国和中国 vs 韩国没有因果关系，所以不管是在中国 vs 韩国 1:0的时候看到 美国vs法国 比分为1:0
还是 中国 vs 韩国 比分为 2:0 的时候看到 美国vs法国 比分为1:0 都无所谓
所以美国vs法国的 1:0 比分无论是在中国 vs 韩国任意时间看到，都无所谓
- 应用场景
因果一致性的应用场景主要是像微信的朋友圈的帖子。
只要保证帖子和帖子的评论的严格一致性就可以了，不要出现用户看到了A的朋友圈的评论，但是没有看到A这条朋友圈。确保评论在原帖之后显示
最终一致性(Eventual consistency)
最终一致性主要是如下特点
- 如果没有新的更新操作，那么经过一段时间后，所有副本最终将达到一致状态
- 系统不保证在任何给定时间点所有副本数据相同
- 不保证读操作能立即看到最新写入的数据
- 数据的不一致状态只是暂时的，系统会自行收敛至一致状态
也有人觉得最终一致性没什么一致性可言，因为没有数据保持一致的时间保证，你永远不知道什么时候的数据是一致的(最终的)
总结
分布式系统中的一致性模型有很多，主要是像上面提到的几种
- 线性一致性
- 顺序一致性
- 因果一致性
- 最终一致性
目前分布式系统用到的比较多的还是线性一致性，也就是Raft协议