购买
下载掌阅APP,畅读海量书库
立即打开
畅读海量书库
扫码下载掌阅APP

1.3.3 最终一致性

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。 cqAssA/IduPcZmdi0UQVdnCcb9L8POhyilgI6Lhh1pfg6qRaFmt72j8t1sfiGpbA

点击中间区域
呼出菜单
上一章
目录
下一章
×