通俗的給你講什么是線性一致性讀！

通俗的給你講什么是線性一致性讀！

一致性是分布式系統(tǒng)的一大難題，幾乎所有架構(gòu)師和資深程序員都會面臨如何平衡它。剛好最近又有粉絲在群里問我一致性問題，當(dāng)時(shí)我簡單闡述了一些，本文稍微整理了一下，分享出來，大家共勉！

什么時(shí)一致性

一致性是指數(shù)據(jù)處于一種語義上的有意義且正確的狀態(tài)。一致性是對數(shù)據(jù)可見性的約束。

說白了就是讓數(shù)據(jù)保持一致，在分布式系統(tǒng)中，可以理解為多個(gè)節(jié)點(diǎn)中數(shù)據(jù)的值是一致的。

一致性分類

一致性的分類有很多種。比如：強(qiáng)一致性和弱一致性。

強(qiáng)一致性

強(qiáng)一致性可以理解為在任意時(shí)刻，所有節(jié)點(diǎn)中的數(shù)據(jù)是一樣的。同一時(shí)間點(diǎn)，你在節(jié)點(diǎn) A 中獲取到 key1 的值與在節(jié)點(diǎn) B 中獲取到 key1 的值應(yīng)該都是一樣的。

弱一致性

弱一致性包含很多種不同的實(shí)現(xiàn)，分布式系統(tǒng)中廣泛實(shí)現(xiàn)的是最終一致性。

最終一致性

所謂最終一致性，是弱一致性的一種特例，保證用戶最終能夠讀取到某操作對系統(tǒng)特定數(shù)據(jù)的更新。但是隨著時(shí)間的遷移，不同節(jié)點(diǎn)上的同一份數(shù)據(jù)總是在向趨同的方向變化。也可以簡單的理解為在一段時(shí)間后，節(jié)點(diǎn)間的數(shù)據(jù)會最終達(dá)到一致狀態(tài)。

對于最終一致性最好的例子就是 DNS 系統(tǒng)，由于 DNS 多級緩存的實(shí)現(xiàn)，所以修改 DNS 記錄后不會在全球所有 DNS 服務(wù)節(jié)點(diǎn)生效，需要等待 DNS 服務(wù)器緩存過期后向源服務(wù)器更新新的記錄才能實(shí)現(xiàn)。

除了強(qiáng)弱一致性，一致性還可以分為：數(shù)據(jù)一致性和事務(wù)一致性。

另外還有，讀寫一致性、單調(diào)讀、因果一致性等。這些我后面抽出時(shí)間都會來一一寫，今天我還是主要說線性一致性讀。

線性一致性讀

線性一致讀是在分布式系統(tǒng)中實(shí)現(xiàn) Java volatile 語義，當(dāng)客戶端向集群發(fā)起寫操作的請求并且獲得成功響應(yīng)之后，該寫操作的結(jié)果要對所有后來的讀請求可見。實(shí)現(xiàn)線性一致讀常規(guī)手段是走 Raft 協(xié)議，將讀請求同樣按照 Log 處理，通過日志復(fù)制和狀態(tài)機(jī)執(zhí)行獲取讀結(jié)果返回給客戶端。

舉個(gè)簡單的例子。在 t1 的時(shí)刻我們寫入了一個(gè)值，那么在 t1 之后，我們一定能讀到這個(gè)值，不可能讀到 t1 之前的舊值(Java 中的 volatile 關(guān)鍵字，即線性一致讀就是在分布式系統(tǒng)中實(shí)現(xiàn) Java volatile 語義)。

簡而言之是需要在分布式環(huán)境中實(shí)現(xiàn) Java volatile 語義效果，即當(dāng) Client 向集群發(fā)起寫操作的請求并且獲得成功響應(yīng)之后，該寫操作的結(jié)果要對所有后來的讀請求可見。和 volatile 的區(qū)別在于 volatile 是實(shí)現(xiàn)線程之間的可見，而線性一致讀針對的是分布式系統(tǒng)之間的可見性。

如上圖 Client A、B、C、D 均符合線性一致讀，其中 D 看起來是 Stale Read，其實(shí)并不是，D 請求橫跨 3 個(gè)階段，而 Read 可能發(fā)生在任意時(shí)刻，所以讀到 1 或 2 都行。

實(shí)現(xiàn)線性一致讀最常規(guī)的辦法是走 Raft 協(xié)議，針對該協(xié)議可以查看我之前的文章，比如：。

基本的想法是讓一個(gè)系統(tǒng)看起來好像只有一個(gè)數(shù)據(jù)副本，而且所有的操作都是原子性的(線性一致寄存器的行為就好像只有單個(gè)數(shù)據(jù)副本一樣，且每個(gè)操作似乎都是在某個(gè)時(shí)間點(diǎn)以原子性的方式生效的)。

一旦新的值被寫入或讀取，所有后續(xù)的讀都會看到寫入的值，直到它被再次覆蓋。尤其要注意，如果 B 的讀取嚴(yán)格發(fā)生于 A 的讀取之后（他們讀取的值正在被 C 寫入），那么只要 A已經(jīng)讀取到 C 寫入的新值，B 就必須返回 C 寫入的新值，即使 C 的寫入仍在進(jìn)行中。

線性一致的系統(tǒng)驚人的少。例如，現(xiàn)代多核 CPU 上的內(nèi)存甚至都不是線性一致的: 如果一個(gè) CPU 核上運(yùn)行的線程寫入某個(gè)內(nèi)存地址，而另一個(gè) CPU 核上運(yùn)行的線程不久之后讀取相同的地址，并沒有保證一定能讀到第一個(gè)線程寫入的值（除非使用了內(nèi)存屏障（memorybarrier)或圍欄（fence)。

在線性一致的數(shù)據(jù)在存儲中是不存在并發(fā)操作的：必須有且僅有一條時(shí)間線，所有的操作都在這條時(shí)間線上，構(gòu)成一個(gè)全序關(guān)系?？赡苡袔讉€(gè)請求在等待處理，但是數(shù)據(jù)存儲確保了每個(gè)請求都是在唯一時(shí)間線上的某個(gè)時(shí)間點(diǎn)自動處理的，不存在任何并發(fā)。對比之下，因果關(guān)系只是偏序關(guān)系。如果兩個(gè)操作都沒有在彼此之前發(fā)生，那么這兩個(gè)操作是并發(fā)的，如果兩個(gè)事件是因果相關(guān)的（一個(gè)發(fā)生在另一個(gè)事件之前），則它們之間是有序的，但如果它們是并發(fā)的，則它們之間的順序是無法比較的。這意味著因果關(guān)系定義了一個(gè)偏序，而不是一個(gè)全序。

以上，希望能夠?qū)Υ蠹矣兴鶐椭?/p>

最后，推薦幾篇相關(guān)文章！

為什么每個(gè)面試官都和數(shù)據(jù)一致性過不去？

一致性協(xié)議算法-2PC、3PC、Paxos、Raft、ZAB、NWR超詳細(xì)解析

面試官：Zookeeper 怎么保證分布式事務(wù)的最終一致性？

分布式 Session 一致性解決方案

MySQL 是如何保證一致性、原子性和持久性的！