发帖  主题  评论  推荐  标签 用户 查搜   用户 密码 自动 注册  
 
面向对象 设计模式 领域驱动设计 云架构 框架 开发教程 SOA 大数据 扩展性 并发编程 EDA 分布式 函数编程

一致性、可用性和收敛性(CAC)

  一致性Consistency, 可用性Availability, 和收敛性Convergence是分布式系统中相对于CAP定理的另外一个定理,2014年由Mahajan, Alvisi, 和 Dahlin提出: Consistency, Availability, and Convergence 。

  CAP(consistency, availability, partition)混合了分布式特性(如一致性和可用性)与系统模型(网络可靠性指标),在CAC中,则将这些分布式特性与系统模型进行了分离。

 

收敛性

  在经典的最终一致性模型中有一些无用的模型,比如所有分布式节点都会一致返回一个常量值,Mahajian他们通过引入收敛性这个符合我们常识定义来修正了这些漏洞。

  CAP为什么没有明确考虑收敛性?是因为线性化和顺序这两种一致性里面已经包含了收敛性的需求,当我们检查如因果一致性 causal consistency,我们会发现我们必须明确地考虑收敛性。

  收敛性是指一种实现能力,它能确保被一个节点写入的数据被另外一个读取,收敛性的定义是:描述的是一个节点能够读取到其他节点的写入时的一系列环境条件(如网络,本地时钟等)。

  一个简单的收敛性其实是一种最终一致性,如果一个系统停止了接受写入和足够的通讯发生,那么这个系统就会达到一种状态,这种状态是,对于任何对象o,o的读取会在所有节点上返回同样的值。

  在节点A和B之间的单边收敛 one way convergence是指:使用两步单向通讯完成收敛性,首先 A将修改发往B,然后B将修改发往A。

  如果说,一致性是指所有节点都同意,那么收敛性是指所有节点都同意是一种可取的有用的状态。

  通过引入收敛性,我们可以在安全(一致性)和灵活性(可用与收敛)之间取得平衡。

 

因果一致性

  因果一致性(Causal consistency)遵循‘happens-before’ 图义,也就是说,写在读之前发生,实时因果一致性(RTC)是增加了时间不可逆的约束。

  没有一致性比实时因果一致性(RTC)更强了,RTC能一边提供可用性,一边提供收敛性系统。

  RTC的实现类似日志交换log-exchange协议,每个写操作会产生一个带有向量时钟vector clock 或版本向量、对象标识和对象值三者结合的更新,向量时钟决定更新的优先权,每个节点上的本地存储跟踪对每个对象的最近更新,当读取一个对象o时,节点不需要任何通讯情况下从本地存储返回最近更新给o,类似地,写操作更新会被创建和加入到本地存储和本地日志,节点之间会定期从它们的本地日志中交换这种更新。最新接受的更新会被追加到本地日志,这样能够用于更新节点的本地存储,替换任何旧的更新,将在因果上优先于新的更新。

  在我们实现中,每个节点定期发送它的日志到所有其他节点以确保单边收敛, 这种实现不需要任何节点之间通讯能确保读写完成,它是单边收敛的原因是,因为接受来自一个发送者的更新能应用到接受者获得收敛状态,节点之间会定期广播它们本地日志的所有更新。同时这也是因果一致性,因为向量时钟携带了每次更新,能确保最新的写操作被读操作获得(时间上先后)。最后,它是RTC实现,因为向量时钟分配不会违反实时性要求,比如通过分配一个旧的向量时钟给一个较新的更新。

 

分布式系统因果一致性与COPS算法

In-Stream大数据处理模式

使用Apache Samza对数据库进行彻底的"调教" 

关于Event Sourcing与分布式事务

 

解道移动版 | 关注解道 | 联系解道 | 关于解道 | 广告联系 | 网站地图 | 设为首页

沪ICP证12033263 如有意见请与我们联系 Powered by JdonFramework
返回顶部