快速理解AWS S3数据读写一致性模型

先说结论

---

对于一个新上传的对象，S3提供写后读写一致性(read-after-write consistency)

对于已存在对象的复写，S3提供最终读写一致性(eventual consistency)

---

举几个栗子。

什么意思呢？https://codeburst.io/quick-explanation-of-the-s3-consistency-model-6c9f325e3f82 这篇文章写得挺清楚的，有兴趣可以看一下，这里我们来总结一下

1.假设我们有一个崭新的文件img.jpg，put之后马上get ，OK，没有问题。这里就是read-after-write consistency的体现。

PUT /img.jpg 200

GET /img.jpg 200

2.假设我们上传了一个img.jpg，之后再put一个和这个img.jpg的key一样，但是内容不同的新文件，之后再get。这个时候get请求的结果很可能还是旧的文件。

PUT /img.jpg 200

PUT /img.jpg 200 (new content)

GET /img.jpg 200

3.假设我们get一个不存在的对象，会返回一个404结果，之后我们再put这个对象，随后再次的get可能还是会返回404

GET /img.jpg 404

PUT /img.jpg 200 

GET /img.jpg 404

上述例子2和3就是S3最终一致性(eventual consistency)的体现。

---

关于最终一致性的解释

    因为s3是一个分布式系统，变更传播到每个节点需要一定的时间，所以如果在变更还没有传播到所有节点之前就执行get请求，很有可能就会得到一个旧的结果。

    S3的这种特性其实是CAP定理的一种体现。简单解释一下CAP定理

CAP定理（CAP theorem），又被称作布鲁尔定理（Brewer's theorem），它指出对于一个分布式计算系统来说，不可能同时满足以下三点：

一致性（Consistency） （等同于所有节点访问同一份最新的数据副本）

可用性（Availability）（每次请求都能获取到服务器非错的响应）

分区容错性（Partition tolerance）（以实际效果而言，分区相当于对通信的时限要求。系统如果不能在时限内达成数据一致性，就意味着发生了分区的情况，必须就当前操作在C和A之间做出选择）

    一般来说P属性都是不可避免的，而S3的做法就是在P的前提下，保证高可用性，根据CAP定理，就会牺牲掉一致性。

    当然，CAP定理并不是绝对的，有兴趣的话可以参考一下这篇文章。 https://www.infoq.cn/article/cap-twelve-years-later-how-the-rules-have-changed/

---

参考资料：

https://docs.aws.amazon.com/AmazonS3/latest/dev/Introduction.html#ConsistencyModel

https://codeburst.io/quick-explanation-of-the-s3-consistency-model-6c9f325e3f82

https://www.infoq.cn/article/cap-twelve-years-later-how-the-rules-have-changed/