1.分布式環境下的資料一致性
在分布式環境下 機器越多，就難以保證各個機器之間的資料都是一樣的，各個節點的機器總會因為 機器故障/網路延遲/處理能力不同 等原因 導致同乙份資料，在不同的機器中，很難達到一致的情況。
2.cap理論
cap理論 即 c 一致性 a 可用性 p 分割槽容錯性
一致性是指，乙個集群中n臺機器的資料都是一樣的。
可用性 是指， 這個集群可以正常對外提供服務的能力
分割槽容錯性，比如說這個集群中 ，某個機器掛了，對整個集群的影響程度。
很容易就可以發現，這三個標準，無法同時滿足。
比如說要保證一致性，那麼集群的機器數量越多，相同的乙份的資料，寫入到這個集群中，所需要的時間就越多。乙份資料寫入到一台機器成功，跟保證一條資料寫入到100臺機器都成功，所需要的時間差異是巨大的。 如果非要保證強一致性，那麼就會影響可用性，也就是 這100臺機器都寫入成功之前，不允許該集群對外提供服務，因為如果對外提供服務，就可能會讓外界獲取到不一致的資料。
比如說 資料a同步到了第87臺資料，然後使用者讀的是第99臺的資料，因為第99臺機器沒有完成資料的寫入，所以使用者讀不到，會認為該資料不存在於這個集群中。
因此要如果保證強一致性，必定會影響可用性。
同理，如果要保證可用性，就必然影響一致性，可用性程度越高，一致性就越弱。
分割槽容錯性越強，說明某個機器掛了對這個集群的影響越小，說明這個集群的機器數量就越多
，機器越多，如果要保證強一致性，可用性就受影響，如果要保可用性，一致性就越弱。
3.base理論
業內有人根據cap理論提出了base理論，這是乙個均衡的結果。
base理論是指 ，ba 基本可用 s 軟狀態 e 最終一致性
基本可用，是指當故障發生時候，服務可以降級 限流等，但是系統本身必須是可用的 ，對應分布容錯性。
軟狀態 就是允許乙份資料存在中間狀態，允許資料在不同機器之間存在同步延時
最終一致性 系統中所有資料，經過一段時間之後，最終能達成一致。
4.強一致性 二階段提交/三階段提交
分布式事務中， 為了保證強一致性提出的解決方案，就是二階段提交和三階段提交。
二階段提交：
引入中間協調器，由協調器來控制事務的執行和回滾。
所謂的二階段 就是
一階段 提交事務請求
協調器通知各個節點執行事務，然後接收執行結果，比如說通知a和b執行事務，然後a和b在本地執行，
將執行結果告知給協調器。
二 階段 執行事務請求
協調器根據a和b反饋的執行結果，如果a和b都成功，然後就通知a和b提交事務，事務結束。。
如果a和b之間 任一失敗，則通知a和b 回滾。 事務結束。
（資料庫的事務，就是先執行，然後再commit或者rollback ,commit才算是有效的事務。）
二階段提交 實現簡單，也能滿足強一致性。 問題在於，容易出問題。
1.阻塞 任一機器 ，都需要等待其他機器響應完成，這個期間 事務不提交 ，也就是事務資源不釋放，會影響系統效能。
2.單點問題，如果協調器掛了，就涼了。 如果在階段二 協調器掛了，各個機器收不到協調器的通知，事務就一直卡在那裡。
3.腦裂
也就是資料不一致，如果通知commit或者rollback的時候，有的收到，有的因為網路問題沒收到，此時資料就不一致了。
三階段提交
針對以上的問題，進行優化之後 有了三階段提交 。
一階段先詢問是否能執行
二階段根據詢問的結果 判斷是否通知各個節點進行執行 （如果有人沒響應 或者響應超時 或者反饋的是不能執行，該事務都不會執行）。 如果可以執行 通知各個節點進行執行
三階段根據執行的結果 判斷是否要回滾還是提交。 （如果有人沒響應 或者響應超時 或者反饋的是執行失敗，都通知回滾）
優化了單點問題，如果各個機器在階段三 收不到來自協調器的通知，會自動提交事務。
缺點：資料不一致的風險仍然存在，比如說 協調器通知是回滾，但是有的機器 沒收到，然後自動提交了。
5.paxos演算法
業內解決目前分布式資料一致性問題最廣泛的一致性協調
解決的問題是，將所有節點都寫入相同的值，且寫入後不變。
引入半數投票規則，少數服從多數，而且節點之間的身份可以輪換，解決了單點，無限期等待和腦裂問題，是目前最好的分布式一致性協議之一。
將節點劃分為3個角色
proposer 提議者 負責發起提議
accpetor審核者 負責接受提議
learner 執行者 負責推廣提議
這裡每乙個提議就是乙個事務請求
paxos保證，多個議案只有乙個會被選擇，且選中的就不能變了，然後將選中的這個推廣到整個集群。
raft協議 分布式環境下的資料一致性問題
閱讀了乙個有意思的ppt，是standford大學發表的raft協議 下面自己總結下咯 1.raft是乙個實現了解決分布式一致性問題的協議 2.分布式環境下的每個節點有三種狀態 follower candidate leader 3.所有的節點開始都是follower狀態 一旦他們不能檢測到lead...
分布式一致性問題
典型情況 三個副本構成乙個group 1.強一致性 所有的副本更新成功才返回。同時，p向s1 s2同步的過程，可以進行優化，借鑑gfs的流水線複製方式 p s1 s1 s2 以便充分利用每個node的頻寬資源。2.最終一致性 在經過乙個不一致視窗後，副本最終處於一致的狀態。如上圖是一種簡單的最終一致...
分布式一致性問題。
在電腦科學領域，分布式一致性問題是乙個相當重要，且被廣泛探索與論證的問題，通常存在於諸如分布式檔案系統 快取系統和資料庫等大型分布式儲存系統中。什麼是分布式一致性？分布式一致性分為哪些型別？分布式系統達到一致性後將會是乙個什麼樣的狀態？如果失去了一致性約束，分布式系統是否還可以依賴？如果一味地追求一...