分布式系统中的一致性，数据库的隔离级别，CAP中的C、P，以及数据库的ACID中的C

在分布式系统中

（多副本）一致性，是描述多副本的同步特征。一般从两个角度来研究：

从全局数据的指令执行流角度来看：

　　【最强一致性：】

• • 严格一致性（strict）：读出的总是最近（wall-time）写入的值

　　　　【强一致性：】　　　　

• • 可线性化一致性（linearizable）： 没有绝对时间的概念，只有相对先后关系。任意操作的相对时序位置也不变。
  • 顺序一致性（sequential）： 没有绝对时间的概念，只有相对先后关系。同一客户端内部的操作序列顺序不变，客户端之间的操作序列可以在时序上交错插入；一旦交错完成就不能改变（这是最常见的强一致性模型，paxos/raft共识协议可以实现该模型）

　　　　【弱一致性：】

• • 因果一致性（casual）： 任意客户端内部的操作顺序不能变，客户端之间的操作序列可以在时序上交错插入，交错完成还可以再重新交错；但不能导致任何客户端的操作顺序的因果关系错乱
  • FIFO一致性： 任意客户端内部的操作顺序不能变，客户端之间的操作序列可以在时序上交错插入，交错完成还可以再重新交错；只要保证任意客户端内部看起来相对顺序不变就行
  • 一般一致性（general）：当所有副本都完成了写操作之后，它们上面的数据是同一个值（这是最常见的弱一致性模型）

从客户端角度来看：

1. 1. "写后读"一致性：同一个客户端session，写入后，读出来的总是不旧于刚刚的写入
   2. "读后写"一致性：同一个客户端session，读出后，写进去的总是在刚才读出的数的基础上（可能比读出的更加新的基础上）
   3. "单调读"一致性：同一个客户端session，每次读出的都不旧于上次读出的
   4. "单调写"一致性：同一个客户端session，每次写入的都是在上次写入基础上（可能比上次写入的更加新的基础上）
   5. 最终一致性：同一个客户端session，做了若干次读写、经过一段时间后，看到一个稳定不变的值

隔离级别，是研究事务之间数据的可见关系，讨论的是“并行的写入过程中、或者有的已写入（提交）而有的尚未真正写入（未提交）这个过程中”发生的事情；而一致性研究的是大家在都写入后发生的事情，而忽略写入过程、将其看做原子操作。隔离级别跟一致性是正交的关系。

CAP定理，是说分布式环境下3个条件不能同时满足，最多只能满足其中2个。

C：Consistency，一致性，这里的一致性含义很广，即包括上文的多副本一致性，也包括分布式业务数据的逻辑一致性，总之就是指分散到不同节点的具有内在逻辑关系的数据，要保持其逻辑一致性。(注：CAP的C原意是指Linearizability这种多副本一致性模型，但这个概念扩展一下也适用的)

A：Availabillity，可用性，服务可用（超时、读写失败，都算不可用）

P：Partition-tolerance，分区容忍性。表示：系统中，是否会出现节点间通信永久失效的情形。容忍分区，意味着普通网络；不容忍分区，意味着没有网络，所有节点是一体化的（例如所有节点在同一个进程中，要挂都挂），或者理想状态的网络。

例如CP、AP，这都好理解； 那么CA能同时满足吗？

按照P的定义：

The network will be allowed to lose arbitrarily many messages sent from one node to another（网络允许节点间丢失任意多的消息）

由此可知，如果不允许P出现（即不支持分区容忍性，也就是说，网络永远能够在指定时间内恢复），那么显然CA可以同时保证（假设C为最常见的顺序一致性，则客户端总可等待有限时间后返回结果）。然而，这只存在于理论世界，现实世界中的网络迟早会出问题，而且网络不保证在有限时间内总可以恢复。这样看来，现实分布式系统中，强一致性的CA是无法同时满足的。

ACID，说的是数据库事务正确执行的四个充要条件。

A：Atomic，原子性，从事务本身的完整性看的，事务中的所有语句作为一个整体执行，要么全成功，要么全回滚，不允许部分成功

C：Consistency，一致性，是指上指的是数据库的约束条件（唯一键、外键、表里自建的约束等...），事务后要保持正确

I：Isolation，隔离性，并发事务运行时，需要一定的隔离性来保障数据在逻辑/语义上的正确性

D：Durability，持久性，事务成功后，造成的影响是持久的，即使重启后、数据库挂掉后也不影响事务的结果