在面试环节，经常会问CAP、BASE等相关的分布式理论，其实这些名词主要还是来自于分布式的一致性，今天主要介绍分布式一致性：强一致性、最终一致性、ACID、CAP等理论。

分布式一致性的背景

随着分布式事务的出现，传统的单机事务模型（ACID）已经无法胜任，尤其是对于一个高访问量、高并发的互联网分布式系统来说。

如果我们要求严格一致性，很可能就需要牺牲掉系统的可用性，反之亦然。

如何构建一个兼顾可用性和一致性的分布式系统成为了无数Java工程师探讨的难题。

数据一致性的由来

一致性（Consistency）一直是分布式系统里一个很重要的话题。

在存储系统中，为了避免数据丢失，我们都会对数据进行持久化。

对数据进行持久化可以避免宕机带来的数据丢失问题，但是不能解决单机永久性故障的问题。存储系统作为基础设施，在单机上持久化是远远不够的，我们需要将数据复制到多台机器上以提升系统的可用性和可靠性。

一旦数据被复制到多个节点，那么就产生了一致性的问题。

分布式数据一致性的级别

1、强一致性

是最强的一致性模型，要求任何读取操作都能读取到最新的值，换句话说，要求任何写入操作立即同步给所有进程。

2、弱一致性

这种一致性级别约束了系统在写入成功后，不承诺立即可以读到写入的值，也不久承诺多久之后数据能够达到一致，但会尽可能地保证到某个时间级别（比如秒级别）后，数据能够达到一致状态。

3、最终一致性

最终一致性是弱一致性的一个特例，系统会保证在一定时间内，能够达到一个数据一致的状态。

这里之所以将最终一致性单独提出来，是因为它是弱一致性中非常推崇的一种一致性模型，也是业界在大型分布式系统的数据一致性上比较推崇的模型。

一致性相关的理论

关系式数据库ACID

ACID是数据库（MySQL）事务正确执行所必须满足的四个特性的首字母缩写。

1.Atomicity（原子性）

一个事务的所有操作，要么全部完成，要么全部不完成。

所谓事务，是指由一系列数据操作所组成的完整逻辑过程。比如银行转账事务由两个操作组成：从源账户扣除金额，以及向目标账户增加金额。

2.Consistency（一致性）

指事务开始之前和事务结束之后，数据的完整性约束没有被破坏。

包含两层含义：

a)数据库机制层面，事务执行前后，数据能符合设置的约束，如唯一约束、外键约束；

b)业务层面，由应用开发人员保证业务一致性。还是以银行转账为例，A、B两个账号，转账之前和之后，A、B两个账号余额总额必须一致。

3.Isolation（隔离性）

数据库能够防止由于多个并发事务交叉执行而导致数据的不一致。

4.Durability（持久性）

指事务结束后，对数据的修改是永久的，不会回滚到之前的状态。

CAP理论

在分布式系统中，也有类似数据库ACID的特性，那就是CAP，他们分别是：

1.Consistency 一致性

强调进群节点中数据一致。在分布式中一致性又包括强一致性和弱一致性，强一致性就是指在任何时刻任何节点看到的数据都是一样的；

弱一致性一般实现是最终一致性，即刚开始可能存在差异，但随着时间的推移，最终数据保持一致。

2.Availability 可用性

强调集群在任何时间内都正常使用

3.Partition Tolerance 分区容错性

即使某一部分集群坏掉，另一部分仍能正常工作。

这三个特性只能满足其中两个，牺牲另一个。大部分系统也都是如此：

一般来说分布式集群都会保证P优先，即集群部分节点坏死不影响整个集群的使用，然后再去追求C和A。因为如果放弃P——分区可用性，那不如就直接使用多个传统数据库了。事实上，很多微服务分库分表就是这个道理。

如果追求强一致性，那么势必会导致可用性下降。比如在Master-Slave的场景中，Master负责数据写入，然后分发给各个节点，所有节点都写入成功，才算写入，这样保证了强一致性，但是延迟也会随之增加，导致可用性降低。

因此在可用性和一致性之间，就出现了各种解决方案，如时序一致性、最终一致性等等。

BASE理论

BASE理论是对CAP理论的延伸,核心思想是即使无法做到强一致性(Strong Consistency,CAP的一致性就是强一致性),但应用可以采用适合的方式达到最终一致性(Eventual Consitency)。

BASE是指基本可用(Basically Available)、软状态( Soft State)、最终一致性( Eventual Consistency)。

1.基本可用(Basically Available)

基本可用是指分布式系统在出现故障的时候,允许损失部分可用性,即保证核心可用。

电商大促时,为了应对访问量激增,部分用户可能会被引导到降级页面,服务层也可能只提供降级服务，这就是损失部分可用性的体现。

2.软状态( Soft State)

软状态是指允许系统存在中间状态,而该中间状态不会影响系统整体可用性。

分布式存储中一般一份数据至少会有三个副本,允许不同节点间副本同步的延时就是软状态的体现。mysql replication的异步复制也是一种体现。

3.最终一致性( Eventual Consistency)

最终一致性是指系统中的所有数据副本经过一定时间后,最终能够达到一致的状态。

弱一致性和强一致性相反,最终一致性是弱一致性的一种特殊情况。

BASE和ACID代表两种截然相反的设计理念，ACID注重一致性，是传统关系型数据库（MySQL）的设计思路，BASE关注高可用性。

当今大规模、跨数据中心的分布式系统（如云计算）大多同时采用这两种设计理念，并在两者之间寻求平衡。

以上就是分布式一致性理论的介绍，更多分布式架构设计：Redis缓存、Dubbo、Kafka、秒杀专题，请参考往期博文：阿里架构师进阶23期精讲：Redis、Kafka、Dubbo、Docker等。欢迎留言交流，专用于学习交流技术、分享面试机会，拒绝广告，我也会在群内不定期答题、探讨。

觉得有用请点赞支持。