下载掌阅APP，畅读海量书库
立即打开
最终一致性可以分为客户端和服务端两个不同的视角。从客户端来看，一致性主要指的是多并发访问时更新过的数据如何获取的问题。最终一致性有以下5个变种。
（1） 因果一致性：如果进程A通知进程B它已更新了一个数据项，那么，进程B的后续访问将返回更新后的值，且一次写入将保证取代前一次写入。与进程A无因果关系的进程C的访问遵守一般的最终一致性规则。
（2） “读己之所写（Read-Your-Writes）”一致性：当进程A自己更新一个数据项之后，它总是访问到更新过的值，且不会看到旧值。这是因果一致性模型的一个特例。
（3） 会话（Session）一致性：这是上一个模型的实用版本，它把访问存储系统的进程放到会话的上下文中。只要会话还存在，系统就保证“读己之所写”一致性。如果由于某些失败情形令会话终止，就要建立新的会话，而且系统保证不会延续到新的会话。
（4） 单调（Monotonic）读一致性：如果进程已经看到过数据对象的某个值，那么任何后续访问都不会返回在那个值之前的值。
（5） 单调写一致性：系统保证来自同一个进程的写操作顺序执行。
上述最终一致性的不同方式可以进行组合，例如，单调读一致性和“读己之所写”一致性就可以组合实现。从实践的角度来看，这两者的组合读取自己更新的数据，一旦读取到最新的版本，就不会再读取旧版本，对基于此架构上的程序开发来说，会减少很多额外的烦恼。
从服务端来看，如何尽快地将更新后的数据分布到整个系统，降低达到最终一致性的时间窗口，是提高系统的可用度和用户体验度非常重要的方面。分布式数据系统有以下特性：
N为数据复制的份数；
W为更新数据时需要进行写操作的节点数；
R为读取数据的时候需要读取的节点数。
如果W+R>N，写的节点和读的节点重叠，则是强一致性。例如，对于典型的一主一备同步复制的关系型数据库（N=2，W=2，R=1），则不管读的是主库还是备库的数据，都是一致的。
如果W+R≤N，则是弱一致性。例如，对于一主一备异步复制的关系型数据库（N=2，W=1，R=1），如果读的是备库，则可能无法读取主库已经更新过的数据，所以是弱一致性。
对于分布式系统，为了保证高可用性，一般设置N≥3。设置不同的N、W、R组合，是在可用性和一致性之间取一个平衡，以适应不同的应用场景。
如果N=W且R=1，则任何一个写节点失效，都会导致写失败，因此可用性会降低。但是由于数据分布的N个节点是同步写入的，因此可以保证强一致性。
如果N=R且W=1，则只需要一个节点写入成功即可，写性能和可用性都比较高。但是读取其他节点的进程可能不能获取更新后的数据，因此是弱一致性。在这种情况下，如果W<（N+1）/2，并且写入的节点不重叠，则会存在写冲突。