分布式环境下的数据一致性问题与协议

1.分布式环境下的数据一致性

在分布式环境下 机器越多，就难以保证各个机器之间的数据都是一样的，各个节点的机器总会因为 机器故障/网络延迟/处理能力不同 等原因 导致同一份数据，在不同的机器中，很难达到一致的情况。

2.CAP理论

CAP理论 即 C 一致性 A 可用性 P 分区容错性
一致性是指，一个集群中N台机器的数据都是一样的。
可用性 是指， 这个集群可以正常对外提供服务的能力
分区容错性，比如说这个集群中 ，某个机器挂了，对整个集群的影响程度。

很容易就可以发现，这三个标准，无法同时满足。
比如说要保证一致性，那么集群的机器数量越多，相同的一份的数据，写入到这个集群中，所需要的时间就越多。一份数据写入到一台机器成功，跟保证一条数据写入到100台机器都成功，所需要的时间差异是巨大的。 如果非要保证强一致性，那么就会影响可用性，也就是 这100台机器都写入成功之前，不允许该集群对外提供服务，因为如果对外提供服务，就可能会让外界获取到不一致的数据。
比如说 数据a同步到了第87台数据，然后用户读的是第99台的数据，因为第99台机器没有完成数据的写入，所以用户读不到，会认为该数据不存在于这个集群中。
因此要如果保证强一致性，必定会影响可用性。

同理，如果要保证可用性，就必然影响一致性，可用性程度越高，一致性就越弱。
分区容错性越强，说明某个机器挂了对这个集群的影响越小，说明这个集群的机器数量就越多
，机器越多，如果要保证强一致性，可用性就受影响，如果要保可用性，一致性就越弱。

3.BASE理论

业内有人根据CAP理论提出了BASE理论，这是一个均衡的结果。
BASE理论是指 ，BA 基本可用 S 软状态 E 最终一致性

基本可用，是指当故障发生时候，服务可以降级 限流等，但是系统本身必须是可用的 ，对应分布容错性。

软状态 就是允许一份数据存在中间状态，允许数据在不同机器之间存在同步延时

最终一致性 系统中所有数据，经过一段时间之后，最终能达成一致。

4.强一致性 二阶段提交/三阶段提交

分布式事务