分布式一致性

简述

这里的Consistency（一致性）是指分布式系统中的数据一致性，而非数据库事务ACID特性中的Consistency。

CAP

CAP（或称布鲁尔定理）指出一个分布式计算系统不可能同时满足以下三点：

• 一致性（Consistency）：多个数据副本是否能够保持一致；
• 可用性（Availability）：每次请求都能获取非错的响应，但无法保证获取的数据是否最新；
• 分区容忍性（Partition tolerance）：网络分区指分布式系统中的各个节点，任意分区（节点）网络故障时，系统仍需要可以对外提供服务。

分布式系统不可能同时满足这三个特性，最多只能同时满足其中两项，分区容忍性必不可少，因为需要总是假设网络不是可靠的，所以最终要在可用性和一致性之间做选择。

BASE

可用性与一致性是冲突的，在多个节点之间进行数据同步时

• 为了保证一致性（CP），就需要让系统暂定服务，等待数据同步完成
• 为了保证可用性（AP），同步过程中继续提供服务，读取的数据可能不一致

BASE（Basically Available-基本可用，Soft State-软状态，Eventually Consistent-最终一致性）理论由来自eBay的架构师Dan Pritchett在其文章BASE: An Acid Alternative注 中第一次明确提出的，对可用性与一致性进行了权衡。核心思想：即使无法做到强一致性，但每个应用都可以根据自身业务特点，采用适当的方式来使系统达到最终一致性。

• 基本可用：分布式系统出现不可预知故障时，允许损失部分可用性（不等价于系统不可用）。如：正常情况下0.5秒做出响应，出现故障后响应时间增加了1~2秒；
• 软状态：系统中的数据处于中间状态，不影响系统整体可用性，允许不同节点间的数据同步过程存在延迟；
• 最终一致性：经过一段时间的同步后，所有节点最终的数据是一致的，不需要实时保证系统数据的强一致性。

算法

• Paxos：非常经典的一致性算法，被认为是同类算法中最有效的，由莱斯利·兰伯特（Leslie Lamport）于1990年提出。The Part-Time Parliament 是该算法公开发表的第一篇论文，用了大量的数学证明，考虑到大多数人难以理解，Lamport又发表了一篇 Paxos Made Simple，使用逻辑推理重新论述了一遍；

• Raft：一种易于理解的一致性算法，官方称在容错与性能方面与Paxos算法旗鼓相当。官方网站：The Raft Consensus Algorithm ，更多Raft的细节可以参考论文 In Search of an Understandable Consensus Algorithm(Extended Version)；

参考资料

1. CAP定理
2. CAP 定理的含义
3. Base: An Acid Alternative
4. An Illustrated Proof of the CAP Theorem