biscuitの博客

严格一致性（Strict Consistency）#

定义：任何对数据项 x 的读取,都会返回与最近对 x 的写入结果 相对应的值(无论写入发生在何处)

局限：所有写入对所有进程都立即可见,并且在整个 DS 中保持绝对全局时间顺序。现实中几乎不可能实现（受限于网络延迟）。

1
P1: W(x)1
2
------------------------------------------
3
P2:             R(x)1  // 立即看到 P1 的写入

顺序一致性（Sequential Consistency）#

定义：任何执行的结果都是一样的,就像数据存储上所有进程的(读写)操作都以相同的顺序执行,并且每个进程的操作都按照其程序指定的顺序出现在此顺序中。所有进程都看到相同的交错操作集,而不管交错是什么

例如这张图里面，P1和P2的操作顺序不同，但他们的交错操作集是一样的，要么是ab，要么是ba，因此在W完成后的R操作必须看到对应的ab或ba。b)中R的交错集就不同，因此不满足顺序一致性。

局限：有了这种一致性模型,调整协议以偏向读取而不是写入(反之亦然),可能会对性能产生毁灭性的影响

因果一致性（Causal Consistency）#

先补充一下因果和并发的概念：

• 因果关系：如果操作A的结果影响了操作B，那么A和B之间存在因果关系。比如，P1写了x=1，P2读了x=1并基于这个值写了y=2，那么P1的写操作和P2的写操作之间就有因果关系。P1的写和P2的读之间也有因果关系。
• 并发关系：非因果关系的操作称为并发。比如，P1写了x=1，P2写了y=2，这两个操作之间没有因果关系，因此是并发的。

定义：可能因果相关的写入,必须由所有进程以相同的顺序看到。 并发写入在不同的机器上可能以不同的顺序(即不同的进程)看到。

只保证有因果关系的操作（比如：我先写 a，你再读 a 再写 b）在所有副本上顺序一致。没有因果关系的操作（并发写）可以不同顺序出现。

FIFO一致性（FIFO Consistency）#

定义：单个进程所写,所有其他进程都按其发出的顺序看到,但不同进程的写入,不同进程可能以不同的顺序看到

弱一致性#

引入同步变量

1. 对与数据存储相关的同步变量的访问是按顺序一致的。
2. 在所有先前的写入都完成之前,不允许对同步变量进行任何操作。
3. 在对同步变量的所有先前操作都执行完毕之前,不允许对数据项执行读取或写入操作

发布一致性（Release Consistency）#

定义：

1. 当一个进程执行“获取”操作时，数据存储将确保所有受保护数据的本地副本在必要时更新，以与远程副本保持一致。
2. 当执行“释放”操作时，已更改的受保护数据将传播到数据存储的本地副本

分布式数据存储如果遵守以下规则,则为”发布一致”:

1. 在对共享数据执行读写操作之前,该进程之前所做的所有获取都必须成功完成。
2. 在允许执行发布之前,进程之前的所有读取和写入都必须完成。
3. 对同步变量的访问是 FIFO 一致的(不需要顺序一致性)。

条目一致性（Entry Consistency）#

仍使用发布获取机制

1. 在对受保护的共享数据执行所有更新之前,不允许对该进程执行同 步变量的获取访问。
2. 在允许进程对同步变量进行独占模式访问之前,其他进程不得持有 该同步变量,即使在非独占模式下也是如此。
3. 在对同步变量执行了独占模式访问之后,任何其他进程对该同步变 量的下一个非独占模式访问,在对该变量的所有者执行之前,不得执 行。

锁是和变量相关联的，获取锁之前必须保证之前对这个变量的更新已经完成，释放锁之后必须保证这个变量的更新已经传播到其他副本。