使用CRDT实现分布式事务的资料推荐
分布式事务的关键是实现强 一致性 ，但是 CAP定理 认为获得强一致性必然放弃 可用性 ，这是传统关系数据库和2PC的问题所在，最终一致性可以兼顾一致性和可用性，强最终一致性则更好
5 年 前
一致性模式
系统架构的关键，因为维护多个数据中心的一致性并非易事。一致性模式可大致分为以下：
[list]
[*]强一致性
[*]最终一致性
[*]弱一致性
[/list]
对于注重高可用性和性能而不是
9 个月 前
弱一致性在现实世界中到处存在
DZone：弱 一致性 在现实世界中到处存在 谈的是 CAP定理 和最终一致性(弱一致性：Eventual consistency)。又是一篇摆脱关系数据库阴影的檄文。大意如下： 存储类
10 年 前
区块链和CAP定理
，一致性越强，从最终 一致性 到高一致性。 首先，需要了解一下区块链是通过共识机制实现一致性的，无论是最终一致还是强一致性。在传统 分布式系统 中，Paxos是实现一致性的经典算法，但是这是一种
7 年 前
CAP理论以及Eventually Consistent （最终一致性）解析
特指从A写入值，到后续操作A,B,C读取到最新值这一段时间。 最终一致性 最终一致性是弱一致性的一种特例。假如A首先write了一个值到存储系统，存储系统保证如果在A,B,C后续读取之前没有其它写
10 年 前
牛X软件工程师应该知道的概念
[*]#异步编程 #并行编程
[*]#线程 #同步锁
[*]#最终一致性
[*]#精确一致性 exactly-once语义
[*]#lambda vs kappa架构
[*]#push
6 个月 前
开源分布式事务数据库AntidoteDB
当前数据库领域存在两大派别：关系数据库代表的强 一致性 和NoSQL代表的最终一致性。而AntidoteDB介于这两者中间，提供正好一致性。 强一致性数据库优点： 1. 同步更新数据 2.
6 年 前
PACELC定理与CAP定理比较
（Availability）、分区容错性（Partition Tolerance）、最终一致性（Eventual Consistency）和低延迟（Low Latency）这五个概念。
[list=1]
[*]一致性
4 个月 前
如何在系统设计中使用CAP定理？
：放弃一点高一致性，获得一点高可用性(低延迟)，也就是最终一致性方式。 如何针对我们这个案例实现最终一致性？ 1. 针对耗时的API调用使用 异步 响应给用户。 2. 在后台做所有的写操作工作
6 年 前
聚合与一致性和有界上下文
领域事件Domain event和有界 上下文 bounded context等概念。 CAP定理 主要突出最终 一致性 ，Eric Evans在这篇文章强调了聚合体内部必须保证高一致性
10 年 前
ACID中C与CAP定理中C的区别
。如果不能立即看到最近写入的新数据，而可能过了一段时间才能看到，则属于弱一致性或最终一致性了。 强一致性分为由写实现一致性Consistency by writes、由读实现一致性
9 年 前
一张图完美解释CAP定理
等算法、 如果没有实现数据在节点之间的复制，那么检查是否在服务器之间传播的数据本身是否可交换的或可合并的，CRDT属于此类，如果使用了CRDT之类算法，那么你获得了最终一致性和高可用性。
3 年 前
苹果为什么收购FoundationDB?
弱一致性比如最终一致性来换得可用性性能A与分区容错性P的提升，Google在最终一致性系统方面累计了很多经验，他们发现开发人员会耗费特别多的精力时间来构建非常复杂的易出错的机制来应付最终一致性与数据
9 年 前
弱一致性的问题
问题：利用弱一致性达到大吞吐量和性能提升，但是带来的问题就是弱安全性，我们必须通过一种机制来保证数据一致（最终一致性）。实际弱一致性就是并不一定要在处理过程中保持一致，而是在过程处理完成的时候达到了一致
10 年 前
DTM：Golang中微服务架构的分布式事务框架
：
秒杀系统，保证Redis中精准的库存，和最终创建的订单完全一致，无需手动调整
保证 缓存 与DB的 一致性
非单体的订单系统，大幅简化 架构
微服务架构(已
2 年 前