弱一致性

Introduce

对于CAP而言,partition-tolerant是客观的必须要做的,不然不能称之为分布式系统;而consistent和available则是主观的, 应当根据业务需求适当调整的。相对于linearizability的强一致,其实还有多种弱一致性模型可以供系统设计时参考, 这里着重描述两种重要的一致性模型

Data-centric consistent models

Causal Consistency

与linearizability相同,causal consistency同样属于data-centric consistent models。与前者明显的区别在于,linearizability的系统的所有操作都存在total order,而causal consistency只需要partial order即可。

定义:

对于所有的进程看到的所有的写操作,都是因果相关的(causally related)且顺序相同。所有的读操作看到的结果也需要和写的因果顺序一致

如图:

两次写操作没有因果关系(concurrence),所以后续的两个client的读结果不相同,但这符合causal consistency的定义

How

实现causally related partital order即可,例如vector clock + causal order multicast protocol

Client-centric consistent models

Eventual Consistency

最终一致性比较好容易理解,很多primary-backup(asynchronous)架构的RDBMS都是使用的最终一致性模型

定义:

如果没有新的更新/写入,最终所有的clients都会看到最新的数据

最终是多久,不好说…

典型例子:

DNS系统

How

asynchronous log shipping + gossip protocal

References

  1. 《Distributed Systems An Algorithmic Approach Second Edition》16.3 16.4

Comments