内容简介：1、关联数据之间的逻辑关系是否正确 (数据约束一致). 理解为垂直方向的冗余
点击蓝色“ 乔志勇笔记 ”关注我哟
加个“ 星标 ”，第一时间获取推送的文章哦！
一、基本概念：
1、关联数据之间的逻辑关系是否正确 (数据约束一致). 理解为垂直方向的冗余
2、由于数据的复制，不同数据节点中的数据内容是否完整并且相同(数据副本一致) ，理解为水平方向的冗余
二、一致性模型
一致性模型主要可以分为两类：
能够保证所有进程对数据的读写顺序都保持一致的一致性模型称为 强一致性模型 ，
而不能保证的一致性模型称为 弱一致性模型
（1）强一致性模型
1、线性一致性（Linearizable Consistency）
cap中的一致性指的就是线性一致性，目前而言线性一致性是无法实现的，做的最好就是Google的Spanner
2、顺序一致性（Sequential Consistency）
（2）弱一致性模型
1、因果一致性（Causal Consistency）
2、最终一致性（Eventual Consistency）
base 理论中的E就是最终一致
3、以客户端为中心的一致性（Client-centric Consistency）
以客户端为中心的一致性包含了四种子模型：
-
单调读一致性（Monotonic-read Consistency）：如果一个进程读取数据项 x 的值，那么该进程对于 x 后续的所有读操作要么读取到第一次读取的值要么读取到更新的值。即保证客户端不会读取到旧值。
-
单调写一致性（Monotonic-write Consistency）：一个进程对数据项 x 的写操作必须在该进程对 x 执行任何后续写操作之前完成。即保证客户端的写操作是串行的。
-
读写一致性（Read-your-writes Consistency）：一个进程对数据项 x 执行一次写操作的结果总是会被该进程对 x 执行的后续读操作看见。即保证客户端能读到自己最新写入的值。
-
写读一致性（Writes-follow-reads Consistency）：同一个进程对数据项 x 执行的读操作之后的写操作，保证发生在与 x 读取值相同或比之更新的值上。即保证客户端对一个数据项的写操作是基于该客户端最新读取的值。
三、共识算法(水平问题)
一致性问题是结果，共识是为达到这个结果所要经过的过程，或者说一种手段。
-
拜占庭错误。表示通过伪造信息进行恶意响应产生的错误。
-
非拜占庭错误。没有进行响应产生的错误
解决「 拜占庭错误 」的称作Byzantine Fault Tolerance（BFT）类算法，解决「 非拜占庭错误 」的称作Crash Fault Tolerance（CFT）类算法
（1）BFT类型算法
BFT类型算法又有2个分支。「 基于确定性的 」和「 基于概率的 」。
先聊聊「基于确定性的」，此类算法表示一旦对某个结果达成共识就不可逆转，即共识是最终结果。它的代表作是PBFT（Practical Byzantine Fault Tolerance）算法
再聊聊「基于概率的」，此类算法的共识结果则是临时的，随着时间推移或某种强化，共识结果被推翻的概率越来越小，成为事实上的最终结果。它的代表作是PoW（Proof of Work）算法
（2）CFT类算法
CFT类算法解决的是分布式系统中存在故障，但不存在恶意节点的场景（即可能消息丢失或重复，但无错误消息）下的共识达成问题
「Paxos」算法
Raft算法
Zookeeper里的「ZAB」（ZooKeeper Atomic Broadcast）算法也是CFT类算法，是以Fast Paxos算法为基础实现的
四、分布式事务(垂直问题)
分布式系统的事务，不得不提到被广为流传的两个理论：「 CAP 」、「 BASE 」。
（1）「CAP」为基础解决方案
1、两阶段提交（2PC）[5]
2、三阶段提交（3PC）[6]
3、TCC
注意幂等性
(2) 「BASE」理论为基础的解决方案
1、异步消息——本地消息表
2、异步消息——不支持事务的MQ
3、异步消息——支持事务的MQ
目前唯一支持事务的MQ框架是RockerMQ
4、Saga
必须要额外确保 执行了「回滚」之后再接收到「正向请求」，等于“请求无效”的效果
5、Gossip协议
参考文章： 分布式系统：一致性模型
最终一致性的实现方式
近期文章：
如果你喜欢本文
请长按二维码，关注 乔志勇笔记
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持 码农网
猜你喜欢:
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
