强一致性和最终一致性

要理解强一致性和最终一致性，首先需要明确它们的核心目标：在分布式系统中（多节点存储数据），如何保证不同节点对“数据状态”的认知一致。两者的本质区别在于数据达成一致的“时效性”和“严格程度”，以下从定义、核心特征、实现逻辑和典型场景四个维度展开解析：

一、强一致性（Strong Consistency）

强一致性是最严格的一致性模型，要求分布式系统中所有节点，在任意时刻对数据的“视图”完全相同——即一旦某个写操作完成并返回成功，后续所有节点的读操作都必须能获取到这个最新的写结果，不存在“看到旧数据”的情况。

可以类比为：“全校学生同时看同一个黑板，老师写下一个公式后，所有学生立刻看到的都是最新公式，没有任何人还能看到之前的内容。”

1. 核心特征

• 实时性：写操作完成后，数据一致性立即生效，无延迟。
• 唯一性：同一时间，所有节点对同一数据的取值唯一（不存在“节点A看到1，节点B看到2”的情况）。
• 可靠性：只要写操作返回成功，就确保数据在“多数节点”上持久化，即使部分节点故障，也不会丢失最新数据。

2. 实现核心逻辑

强一致性的实现依赖于**“全局协调”和“多数确认”**，典型代表是 Raft 算法（etcd 采用），核心步骤如下：

1. 选主：集群中选举出唯一的“Leader”节点，所有写请求必须先发送给 Leader（避免多节点同时写导致冲突）。
2. 日志同步：Leader 将写操作封装为“日志条目”，持久化到本地后，同步给所有“Follower”节点。
3. 多数确认</