整理 AWS CTO - Werner Vogels 著名的論文: Eventually Consistent (ACM), (Blog) 重點與筆記。

相關名詞

• Client side consistency: 客戶端一致性
  • Strong consistency：強一致性
  • Weak consistency：弱一致性
  • Eventually consistency：最終一致性
• Server side consistency: 簡稱 NWR 模型，目的是 CAP 選擇權的反轉
  • N 代表 N 個複本 (Replica)
  • W 寫入至少 W 個複本才算成功
  • R 至少讀取 R 個備份
  • R 與 W 的選擇，必須是 W + R > N，否則無法保證一致性

Client side consistency

Client Side 有四種元件：

• A storage system: 儲存單位，假設是個黑盒子。
• Process A: 從 storage 讀寫資料
• Process B & C: 獨立於 Process A 的程序，同樣從 storage 讀寫資料。

用戶端的一致性必須讓觀察者 (Obsever, Process A/B/C) 知道 如何 與 何時 針對 Stroage 更新物件資料。底下是的例子是 Process A 更新到物件：

• Strong consistency：強一致性，更新完成之後，任何存取的子程序 (subsequenet access) 都會回傳更新得值
• Weak consistency：弱一致性，系統不保證子程序會取得最新的值。有些必要的條件必須被滿足後，才會回傳更新值。條件通常跟經過多少時間 (passing of time) 有關係
• Eventually consistency：最終一致性，系統會保證最後會取得最後更新得值，最常見的案例就是 DNS 系統。

針對 最終一致性模型，底下是必要的考量：

• Causal consistency (因果一致性):
• Read-your-writes consistency (讀已經寫的一致性)
• Session consistency (階段一致性)
• Monotonic read consistency (單調讀取一致性)
• Monotonic write consistency (單調寫入一致性)

Server side consistency

開始描述之前，定義以下名詞：

• N: 代表 N 個複本 (Replica)，資料被複製到多少實體主機，通常這個值至少是 3
• R: 代表一次成功的讀取操作中，最小的結點數，也就是要讀取多少個 Replica 才算是讀取成功。
• W: 寫入至少 W 個複本才算成功

R 與 W 的選擇，這代表著：

• W + R <= N，讀 (W) 與寫 (R) 的數量 <= 複本數 (N)：複本數剛好可以分配到所有請求，不會有讀寫一致性問題
• W + R > N，讀 (W) 與寫 (R) 的數量 > 複本數 (N)：複本數少於讀寫請求數量，必須處理一致性問題，也就是無法保證一致性。

此概念稱為 NWR 模型，或稱 Quorum 機制

NWR 與 CAP 的選擇

CAP 倆倆相對，與 NWR 的關係與應用場景。

AP (Available and Partition tolerance)

可用性與分區容錯，亦即 寫多、讀少。

需要寫多讀少，也就是 優化寫入效能，會配置 W = 1，也就是寫入一個複本就算是成功，就如同單機的 RDBMS，其他非同步的複本可以慢慢抄寫。

CP (Consistency and Partition tolerance)

資料一致性與分區容錯，亦即 讀多、寫少。

需要讀取比較多，也就是 優化讀取效能，通常會配置 W = N

AC (Availability and Consistency)

可用性與資料一致性，亦即 讀寫平衡。

不需要容錯和擴展性的時候，配置一個複本: N = 1

把 CAP 交給用戶決定

NWR 模型的概念，就是把選擇權交給用戶決定，讓用戶自己決定選擇 CAP 中的哪兩個。

解釋

最終一致性到底要怎麼解釋呢？底下是網友用漫畫的解釋，很有趣 XD

Source: Greg Young

延伸閱讀

站內延伸

• CAP Theorem
• Study Notes - DynamoDB 學習筆記
• Study Notes - Event-Driven Data Management for Microservices
• 從 Jeff Bezos 與 Werner Vogels 學到的

參考資料

• ACM: Eventually Consistent
• 分布式系统的事务处理
• Vector Clock算法的理解
• Blog: Eventually Consistent
• Amazon Dynamo – 纠结的设计
• Amazon S3 Data Consistency Model