分布式系统

分布式系统

什么是一致性？

定义：在分布式系统中，运行着多个相互关联的服务节点。一致性指分布式系统中的多个节点，给定的一系列操作，在约定协议的保障下，使它们对外呈现状态是一致的。换言之即是保证集群中所有服务节点的数据完全相同并且能够对某个提案(Proposal)达成一致。
分布式事务一致性与分布式数据一致性：从不同角度对一致性进行描述。
- 事务（数据库事务的简称）是数据库管理系统中执行过程中的一个逻辑单位，由一个有限的数据库操作序列构成。
分布式事务一致性：指的是操作序列在多个服务节点中执行的顺序是一致的。
分布式数据一致性：指的是数据在多份副本中存储时，各副本中的数据是一致的。
综上保证了分布式事务的一致性，也就保证的数据的一致性。

一致性要求

有限性：达成一致的结果在有限的时间内完成。
约同性：不同的节点最终完成决略的结果是相同的。
合法性：决策的结果必须是系统中某个节点提出来的。

一致性的分类

严格一致性

是在系统不发生任何故障，而且所有节点之间的通信无需任何时间这种理想的条件下，才能达到。这个时候整个系统其实就等价于一台机器了。在现实中，是不可能达到的。
越强的一致性要求往往会造成越弱的处理性能，以及越差的可扩展性。
严格一致性的标准是，对于数据项x的任何读操作将返回最近一次对x进行的写操作的结果所对应的值。
严格一致性中存在的问题是它依赖于绝对的全局时间。对于所有的进程来说，所有写操作都是瞬间可见的，系统维持着一个绝对的全局时间顺序。如果一个数据项被改变了，那么无论数据项改变之后多久执行读操作，无论哪些进程执行读操作，无论这些进程的位置如何，所有在该数据项上执行的后续读操作都将得到新数值。

强一致性

当分布式系统中更新操作完成之后，任何多个进程或线程，访问系统都会获得最新的值。
顺序一致性是指任何执行结果都是相同的，就好像所有进程对数据存储的读、写操作是按某种序列顺序执行的，并且每个进程的操作按照程序所指定的顺序出现在这个序列中。参考
线性一致性假设操作具有一个全局有效时钟的时间戳，但是这个时钟仅具有有限的精确度。要求时间戳在前的进程先执行。线性化是根据一系列同步时钟确定序列顺序的。

弱一致性

指系统并不保证后续进程或线程的访问都会返回最新的更新的值。系统在数据成功吸入之后，不承诺立即可以读到最新写入的值，也不会具体承诺多久读到。但是会尽可能保证在某个时间级别（秒级）之后。可以让数据达到一致性状态。也就是说，如果能容忍后续的部分或者全部访问不到，则是弱一致性。
当代互联网一致性就是指分布式服务化系统之间的弱一致性

最终一致性

是弱一致性的特定形式。系统保证在没有后续更新的前提下，系统最终返回上一次更新操作的值。 也就是说，如果经过一段时间后要求能访问到更新后的数据，则是最终一致性。

共识性

定义：共识性描述了分布式系统中多个节点之间，彼此对某个状态达成一致结果的过程。在实践中，要保障系统满足不同程度的一致性，核心过程往往需要通过共识算法来达成。

共识性与一致性

一致性往往指分布式系统中多个副本对外呈现的数据的状态。如前面提到的顺序一致性、线性一致性，描述了多个节点对数据状态的维护能力。
共识性则描述了分布式系统中多个节点之间，彼此对某个状态达成一致结果的过程。
综上，一致性描述的是结果状态，共识则是一种手段。达成某种共识并不意味着就保障了一致性（这里的一致性指强一致性）。只能说共识机制，能够实现某种程度上的一致性。

水平扩展（横向扩展）

指由于单一节点无法满足性能需求，需要扩展为多个节点，多个节点具有一致的功能，组成一个服务池，一个节点服务一部分的请求量，所有节点共同处理大规模高并发的请求量

垂直扩展（纵向扩展）

指按功能拆分，秉着专业的人干专业的事的原则，把一个复杂的功能拆分为多个单一、简单功能，不同的单一功能组合在一起，和未拆分前完成的功能是一样的。

一致性问题的模式和思路

酸碱平衡理论

ACID英文中意思是“酸”，BASE的意思是“碱”。

ACID（酸）

A：Atomicity，原子性。
C：Consistency，一致性。
I：Isolation，隔离性。
D：Durability，持久性。
具有ACID特性的数据库支持强一致性，强一致性代表数据库本身不会出现不一致，每个事务都是原子的，或者成功或者失败，事务间是隔离的，互相完全不受影响，而且最终状态是持久化的。因此，数据库会从一个明确的状态过渡到另一个明确的状态，中间的临时状态是不会出现的，如果出现也会及时地自动修复，因此是强一致的。三个典型的关系型数据库Oracle、Mysql、DB2都能保证强一致性，通常是通过多版本控制协议（MVCC）来实现的。

CAP（帽子原理）

C：Consistency，一致性。在分布式系统中的所有数据备份，在同一时刻具有同样的值，所有节点在同一时刻读取的数据都是最新的数据副本。
A：Availability，可用性，好的响应性能。完全的可用性指的是在任何故障模型下，服务都会在有限的时间内处理完成并进行响应。
P：Partition tolerance，分区容忍性。尽管网络上有部分消息丢失，但系统仍然可继续工作。

CAP原理证明，任何分布式系统只可满足以上两点，无法兼顾三者

关系型数据库是单点无复制的，因此不具备分区容忍性；
分布式的服务化系统都需要满足分区容忍性，因此必须在一致性和可用性之间进行权衡选择。

BASE（碱）

BASE思想解决了CAP提出的分布式系统的一致性和可用性不可兼得的问题，具体参考：Eventual consistency
BASE思想与ACID原理截然不同，满足CAP原理，通过牺牲强一致性来获得可用性；通过最终一致性来尽量满足业务的绝大数需求。
BA：Basiclly Available，基本可用。
S：Soft State，软状态，状态可以在一段时间内不同步。
E：Eventual consistency，最终一致，在一定的窗口内，最终数据达成一致即可。
BASE思想基础，对复杂的分布式事务进行拆解，对其中的每个步骤都记录其状态，有问题时可以根据记录的状态来继续执行任务，达成最终一致。