Question

​ 在 复制延迟问题 中，我们看到了数据库复制中发生的一些时序问题。如果你在同一时刻查看两个数据库节点，则可能在两个节点上看到不同的数据，因为写请求在不同的时间到达不同的节点。无论数据库使用何种复制方法（单主复制，多主复制或无主复制），都会出现这些不一致情况。

​ 大多数复制的数据库至少提供了 最终一致性 ，这意味着如果你停止向数据库写入数据并等待一段不确定的时间，那么最终所有的读取请求都会返回相同的值【1】。换句话说，不一致性是暂时的，最终会自行解决（假设网络中的任何故障最终都会被修复）。最终一致性的一个更好的名字可能是 收敛（convergence） ，因为我们预计所有的复本最终会收敛到相同的值【2】。

​ 然而，这是一个非常弱的保证 —— 它并没有说什么什么时候副本会收敛。在收敛之前，读操作可能会返回任何东西或什么都没有【1】。例如，如果你写入了一个值，然后立即再次读取，这并不能保证你能看到刚跟写入的值，因为读请求可能会被路由到另外的副本上。（参阅 读己之写 ）。

​ 对于应用开发人员而言，最终一致性是很困难的，因为它与普通单线程程序中变量的行为有很大区别。如果将一个值赋给一个变量，然后很快地再次读取，你不会认为可能读到旧的值，或者读取失败。数据库表面上看起来像一个你可以读写的变量，但实际上它有更复杂的语义【3】。

​ 在与只提供弱保证的数据库打交道时，你需要始终意识到它的局限性，而不是意外地作出太多假设。错误往往是微妙的，很难找到，也很难测试，因为应用可能在大多数情况下运行良好。当系统出现故障（例如网络中断）或高并发时，最终一致性的边缘情况才会显现出来。

​ 本章将探索数据系统可能选择提供的更强一致性模型。它不是免费的：具有较强保证的系统可能会比保证较差的系统具有更差的性能或更少的容错性。尽管如此，更强的保证可以吸引人，因为它们更容易用对。只有见过不同的一致性模型后，才能更好地决定哪一个最适合自己的需求。

​ 分布式一致性模型 和我们之前讨论的事务隔离级别的层次结构有一些相似之处【4,5】（参见 弱隔离级别 ）。尽管两者有一部分内容重叠，但它们大多是无关的问题：事务隔离主要是为了， 避免由于同时执行事务而导致的竞争状态 ，而分布式一致性主要关于， 面对延迟和故障时，如何协调副本间的状态。

本章涵盖了广泛的话题，但我们将会看到这些领域实际上是紧密联系在一起的：

• 首先看一下常用的 最强一致性模型 之一， 线性一致性（linearizability） ，并考察其优缺点。
• 然后我们将检查分布式系统中 事件顺序 的问题，特别是因果关系和全局顺序的问题。
• 在第三部分（ 分布式事务和共识 ）中将探讨如何原子地提交分布式事务，这将最终引领我们走向共识问题的解决方案。