一致性模型详解：分布式系统中的数据一致性保证
一致性模型定义了一组规则，规定了分布式系统中数据的一致性程度。本文将探讨几种常见的一致性模型，并分析其特点及适用场景。 之前的文章讨论过PACELC理论中延迟和一致性之间的权衡，以及不同权衡下的一致性级别。Replicache作为一种分布式系统，据称遵循因果一致性，我们将在下文中详细分析。
严格一致性
严格一致性要求所有节点始终按时间顺序读取相同的值。任何写入操作之后发生的读取操作都必须读取该写入的值。要实现这一点，需要满足两个条件：所有节点共享一个同步的全局时钟，并且写入操作必须立即执行。
用数学符号表示：w(x)a 表示将值 a 写入 x，r(x)a 表示从 x 读取值 a。
如果节点 1 在时间 t 执行 w(x)a，节点 2 在时间 t + delta (极小的时间差) 执行 r(x)，则节点 2 必须读取值 a。
然而，全局时钟的同步和写入的立即执行在实际应用中几乎不可能实现。因此，严格一致性更多的是一种理论模型。 下图展示了满足严格一致性的场景：
顺序一致性
顺序一致性的核心在于“全局排序”。所有读写操作的行为必须如同按照一个全局序列执行一样，并且每个进程（客户端）的操作必须按照其本地顺序执行。下图展示了一个例子，请问p3和p4可以读取什么值？
满足严格一致性的场景也满足顺序一致性，例如：
全局排序：w(x)a, r(x)a, w(x)b, r(x)b。然而，如果 a 的写入早于 b，但 a 的读取晚于 b，则顺序一致性将不满足。
因果一致性
因果一致性关注的是事件之间的因果关系。“发生在 (→)” 是一种重要的关系。A → B 成立的条件：
- A 和 B 在同一进程中，且 A 发生在 B 之前。
- A 是发送消息，B 是接收该消息并执行的操作。
如果 A → B 且 B → C，则 A → C。
因果一致性要求所有节点都能观察到事件之间的因果关系。下图展示了一个满足因果一致性的场景：
而下图则不满足因果一致性，因为 w(x)a → w(x)c，但 P3 读取 c 先于 a。
最终一致性
最终一致性表示系统最终会达到一致状态。在没有写操作且网络稳定的情况下，所有节点最终会看到相同的值。这是一个较弱的一致性保证。
副本一致性
Replicache 据称遵循副本一致性，这是一种比基本因果一致性更强的保证，其具体细节需要进一步研究。
总而言之，不同的应用场景对一致性的要求不同，选择合适的一致性模型至关重要。 需要权衡一致性、可用性和分区容错性（CAP定理）。
