1

数据一致性是分布式存储系统中的一个重要问题，如Amazon DynamoDB、Cassandra、Riak、Windows Azure等。它带有用于提供高性能、容错性和可扩展性的复制技术。

数据一致性模型作为表征数据一致性问题的一种形式化方法。然而，向没有分布式存储系统背景的观众解释往往过于正式，更不用说最终一致性、因果一致性、顺序一致性等概念了。

因此，非正式的解释会更好。此外，一个合格的解释最好涵盖以下三个关键点：

  1. 简单的示例、漂亮的数字和简洁的说明来说明数据（不）一致性问题。
  2. 传达同时存在弱（不）一致性和强（不）一致性的想法。
  3. 显示数据（不）一致性对用户或应用程序程序员的影响。
4

1 回答 1

1

回答我自己的问题：

一致性模型过于正式和严谨，无法向普通观众解释。幸运的是（或许不幸的是），大多数人都有数据不一致的经历。数据不一致通常对用户来说意味着奇怪的行为。基本上，一致性模型指定了哪些行为是允许的，哪些是不允许的。这里的重点是存在不同级别的各种一致性模型。一致性模型越强，用户得到的惊喜就越少。用户和开发人员都需要高度的一致性：用户对他们的数据感觉更好，开发人员发现更容易编程。

典型的一致性条件包括（但不限于）最终一致性、因果一致性、顺序一致性和原子性，从弱到强。

最终一致性在今天的分布式存储系统中很普遍，以亚马逊的 Dynamo 为代表。最终一致性非常弱（理论上），因为它几乎没有做出任何承诺。考虑以下场景（如图所示）：

数据不一致最终博客 http://i1.tietuku.com/48f5bfa9d6d925e0s.png

你刚刚完成了你的博客，迫不及待地想要发布它。您按下“发布”按钮并立即刷新页面，却发现您的博客不存在！当您将博客发布到副本节点并在另一个节点上刷新时，确实会发生这种情况。别紧张。刷新，刷新，刷新，最终会出现。

因果一致性比最终一致性更强，因为它保证所有用户按照因果顺序观察到两个因果相关的事件。考虑以下在社交网站上创造的对话（如图所示），摘自一篇论文：

数据不一致因果对话

  1. 这位母亲找不到她的儿子并向她的朋友发布了一个状态：“我认为儿子失踪了！”。
  2. 儿子回复他的母亲，让她知道他只是在玩。
  3. 一位朋友观察了这个小对话并发布了一个状态作为回应：“真幸运！”。

如果不尊重因果关系，第三个用户可能会先于原因感知结果。如右图所示，她可能会认为朋友很高兴听到儿子的失踪！

任务关键型应用程序通常需要更强大的数据一致性，例如事务。

[未完待续]

于 2014-07-30T15:06:15.227 回答