不同複製結構的資料同步一致性

本篇我們再來看一下不同複製結構的資料同步一致性。

當p發生時，只能在ca之間做權衡。主從、主主、無主，三者都是為了在p發生時，盡量保證c或者a。結合以前的學習，我們來看看這裡的權衡與博弈。

主從資料同步，主節點負責寫入，從節點可以提供讀取能力。如果資料是非同步複製，當主節點寫入成功後，從節點可能還未同步到資料，就會出現不一致的情況。

假如客戶端要求讀自己的寫，也就是如果我寫入成功，那麼不論我什麼時候讀取，都能讀到相同的資料。這也叫做讀寫一致性。前文提到的線性一致性、因果一致性和最終一致性是三個主要的一致性。而讀寫一致性在本場景中，效果等於線性一致性。

如何實現讀寫一致性呢？

比如讀寫都走主節點，那麼可以利用session思想去實現特定請求都走主節點。這樣，當主節點掛了以後，該功能也就失效了。或者當這種功能請求很多時，主節點就成為了效能瓶頸。充分體現了c和a的權衡。

或者主節點同步寫入乙個從節點，其他從節點非同步寫入。有讀寫一致性需求的客戶端，讀操作就向從節點讀取。但是當這個從節點掛掉後，會阻塞主節點的所有寫入。

現實中，由於負載均衡功能的存在，可能第一次訪問路由到a伺服器，該伺服器將此請求發往資料節點1；第二次路由到b伺服器，b將請求發往節點2。假如節點1、節點2和主節點之間的資料同步速率不同，那麼客戶端可能會先看到最新的資料，再看到舊資料。這明顯違背了上文我們講到的因果一致性。

其實，通過上面的分析，我們可以總結出當出現一致性問題時，解決的方向有哪些？1. 固定節點讀取；2. 客戶端讀取的時候進行處理，比如讀時修復，或者讀多個等等。

從節點宕機重啟，或者新增從節點。都要考慮從節點資料和主節點資料的同步。從節點只有同步完資料後才能對外提供服務。主節點宕機後，這也就是上一章提到的和共識演算法的區別：新的主節點是如何產生的？共識又會引出新舊主節點的身份認同，即需要考慮腦裂是如何解決的。

對於主主複製來說，一般都是不同資料中心之間的複製。舉個極端的例子，系統面向全球市場。假如在北京有個資料中心，紐約有個資料中心。那麼a在美國修改了資料。a的朋友在中國登入a賬號，此時資料還未同步完成。他也修改了資料，那麼最後看的資料應該是什麼樣？

主主複製最主要的問題就是如何處理寫入衝突。寫入衝突實現方案有很多種，主要是思路：

區分資料，要麼分流成主從，要麼覆蓋寫入

維持全部資料，進行合併

國外版，國內版。都是針對該演算法的**，可以加深印象。

無主複製，會比較特殊，特殊在沒有主節點，那麼就可以針對所有節點寫入資料。那麼如何保證資料的一致性呢？這就引出了quorom機制。

也就是意味著系統中存在 n 個節點，向系統寫入資料時，需要同時寫入 w 個節點。只有w個節點全部寫入成功後，才算寫成功。從系統中讀取資料時，從r個節點中讀取資料。只返回客戶端最新的那條記錄。

所以 n 和 w、r 之間存在比例關係，當 w + r 的數量大於 n 時，就可以實現資料強一致性。通過調節 nwr 之間的比例，可以在可靠性、一致性和效能之間權衡調節。

那麼對於那些沒及時寫入的節點，資料該如何同步呢？方法也有很多，比如客戶端讀取的時候進行修復，這就需要客戶端的配合。

再比如定時同步資料，在各個節點之間進行反熵。反熵也就是將各個節點間的不同趨於相同。如何進行反熵，可以節點乙個接乙個進行資料對比同步。也可以參考 gossip 協議的實現方式，進行謠言式的傳播同步。

學完前面的，本篇其實就比較簡單了。不是理論上的重點，而共識演算法才是分布式領域的核心。下篇文章開始，我們就進入分布式共識演算法領域，結合所學知識，首先去研究 paxos 演算法。