分布式理論系列本文主要討論對等以及主從模型的讀寫衝突的解決方法。
即有多個master，同時接受讀寫操作
多個人在同時更新同一條資料（對於單機資料庫，就是併發問題，可由樂觀鎖或悲觀鎖來解決；對於對等分布式模型，則需要保證順序一致性，即所有節點都保證以相同順序執行操作）。
從各個節點讀取同乙個資料的內容不一樣。
強一致性：strong consistency（讀取的資料都是最新的），要求多少節點才行。
write quorum
假設某份資料需要複製到3個節點，為了保證強一致性，不需要所有節點都確認寫入操作，只需要其中兩個節點（也就是超半數節點）確認就可以了。在這種情況下，如果發生兩個相互衝突的寫入操作，那麼只有其中乙個操作能為超過半數的節點所認可，這就是寫入仲裁（write quorum），如果用稍微正規一點的方式說，那就是w>n/2，這個不等式的意思是參與寫入操作的節點數w，必須超過副本節點數n的一半，副本節點數又稱為複製因子（replication factor）。
read quorum
讀取仲裁（read quorum），也就是說想保證能夠讀到最新的資料，必須與多少個節點聯絡才行。假設寫入操作需要兩個節點來確認（w=2），那麼我們至少得聯絡兩個節點，才能保證獲取到最新資料。然而，假如某些寫入操作只被乙個節點所確認（w=1），那麼我們就必須3個節點都通訊一遍，才能確保獲取到的資料是最新的。乙個情況下，由於寫入操作沒有獲得足夠的節點支援率，所以可能會產生更新衝突。但是，只要從足夠數量的節點中讀出資料，就一定能偵測出此類衝突。因此，即使在寫入操作不具備強一致性的情況下，也可以實現除具有強一致性的讀取操作來。
這三者之間的關係，可以用乙個不等式來表述，即只有當r+w>n的時候，才能保證讀取操作的強一致性。
對於riak這樣的資料庫，可以控制cap中的引數：n（訪問鍵值對的副本節點數）、r（順利完成讀取操作所需的最小節點數）、w（順利完成寫入操作所需的最小節點數）。假設riak集群有5個節點，將n設為3，也就是所有資料都要至少複製到3個節點中，將r設為2，即get請求要求有兩個節點應答，才能成功，將w設為2，即put請求必須寫入到兩個節點才算寫入完畢。
針對主從分布式模型，只需要保證都向master寫入資料，就可以避免寫入衝突了，類似的，讀取操作從master，就可以避免讀寫衝突/讀取不一致了。
強一致性 弱一致性 最終一致性
這種方式在es等分布式系統中也有體現，可以設定主shard提交即返回成功，或者需要replica shard提交成功再返回。提到分布式架構就一定繞不開 一致性 問題，而 一致性 其實又包含了資料一致性和事務一致性兩種情況，本文主要討論資料一致性 事務一致性指acid 複製是導致出現資料一致性問題的唯...
CAP原理與最終一致性 強一致性 透析
在足球比賽裡，乙個球員在一場比賽中進三個球，稱之為帽子戲法 hat trick 在分布式資料系統中，也有乙個帽子原理 cap theorem 不過此帽子非彼帽子。cap原理中，有三個要素 cap原理指的是，這三個要素最多只能同時實現兩點，不可能三者兼顧。因此在進行分布式架構設計時，必須做出取捨。而對...
資料庫的強一致性和弱一致性
強一致性可以理解為在任意時刻，所有節點中的資料是一樣的。同一時間點，你在節點a中獲取到key1的值與在節點b中獲取到key1的值應該都是一樣的 弱一致性 相當於非同步 系統並不保證續程序或者執行緒的訪問都會返回最新的更新過的值。系統在資料寫入成功之後，不承諾立即可以讀到最新寫入的值，也不會具體的承諾...