09.5.1.1 一致性模型与线性一致
所属:全栈开发面试题库 / 09 高阶架构:高并发与分布式 / 09.5 分布式协调与一致性 / 09.5.1 分布式协调与一致性
09.5.1.1-001 分布式系统为什么需要一致性模型?
一句话结论
多副本、多节点并发读写时,不同请求看到的状态可能不同;一致性模型定义“读到的数据能保证到什么程度”,是在正确性、延迟与可用性之间划边界的契约,而不是笼统的“数据要一样”。
概念解释
- 副本:同一份数据存于多个节点,提升可用性与读性能。
- 并发:客户端同时读写,节点间状态同步需要时间。
- 模型:规定历史读写操作应当以何种顺序被各方观察到。
原理流程
客户端 A 写 → 副本同步 → 客户端 B 读
模型决定:B 何时能读到 A 的写、能看到旧值多久
代码或图示
模型分级(从强到弱):
线性一致 > 顺序一致 > 因果一致 > 最终一致
常见误区
- 误区:部署了多副本就等于一致。副本同步有延迟与失败窗口,一致性由模型与复制策略共同保证。
- 误区:一致性模型只跟数据库有关。缓存、消息队列、配置中心、分布式会话同样要选一致性级别。
追问
- 问:不定义一致性会怎样?答:业务无法判断读到旧值的后果,并发写可能出现回写、超卖与状态错乱。
- 问:模型由谁实现?答:存储/协调组件在复制、共识与读取逻辑里实现,业务按所选级别设计容错。
09.5.1.1-002 强一致性(线性一致)是什么?
一句话结论
线性一致要求任一时刻的读都能看到最新已提交的写,所有操作仿佛在单个节点上按绝对时间顺序原子执行;写提交后任何后续读都返回该值,读操作之间也保持真实时间先后。
概念解释
- 最新写:已提交的写对后续读立即可见。
- 原子顺序:全局操作历史等价于一条与实时时间吻合的串行序列。
- 实现基础:多数派共识 / 同步复制 / 读写 quorum。
原理流程
写 W 提交(多数副本确认)
→ 任意节点读 R ≥ W 完成时刻
→ R 必须返回 W 的结果
代码或图示
时刻轴: ---W1(提交)------W2(提交)--->
读 R1 在 W1 后、W2 前 → 必须看到 W1
读 R2 在 W2 后 → 必须看到 W2
常见误区
- 误区:主从同步复制就是线性一致。同步只保证副本落库,读取若走旧副本或允许过期读,仍不满足线性一致。
- 误区:线性一致没有性能代价。共识多数派与等待确认增加写延迟,读也可能被路由到可确认副本。
追问
- 问:哪些数据必须线性一致?答:库存扣减、余额、配置变更等读旧值会造成错误决策的关键状态。
- 问:怎么验证线性一致?答:业务视角用版本号/单调序号校验,工程上结合共识协议与读写 quorum 配置说明保证边界。
09.5.1.1-003 顺序一致性与线性一致有什么区别?
一句话结论
顺序一致性要求所有节点看到的操作顺序一致,但不要求该顺序与真实时间吻合;线性一致额外要求操作顺序与实际时间先后对应;顺序一致比线性一致弱,允许“后发起的写先被看到”。
概念解释
- 顺序一致:存在一个全局串行顺序,各节点观察到的历史都符合它。
- 线性一致:该串行顺序还必须匹配请求的真实时间区间。
- 差别:时间约束是否进入一致性定义。
原理流程
A 在 t1 写 x=1,B 在 t2>t1 写 x=2
线性一致:t2 后的读不能再看到 x=1
顺序一致:只要全局顺序自洽,允许旧写“晚到”被接受
代码或图示
线性一致 = 顺序一致 + 与真实时间一致的顺序约束
常见误区
- 误区:两者是一回事。很多教材把“强一致”混称,面试时必须区分时间约束这一条。
- 误区:顺序一致容易出现脏读但业务无所谓。若业务依赖“先写后读”,顺序一致仍可能看到旧值。
追问
- 问:哪个实现成本更高?答:线性一致需要等待最新提交并约束读取路径,成本高于顺序一致。
- 问:分布式缓存属于哪种?答:多数缓存提供最终一致或过期一致,不承诺线性一致,关键状态不能只靠缓存。
09.5.1.1-004 因果一致性是什么?
一句话结论
因果一致只保证存在因果关系的操作按因果顺序被观察到,无因果关系的操作允许任意顺序;通过会话关系、 happen-before 标记与依赖跟踪判定先后,比线性一致宽松但保留必要的前后约束。
概念解释
- 因果:事件 A 触发/依赖事件 B,二者有先后关系。
- 无并发:互不依赖的事件属于并发,顺序不保证。
- 实现:版本/依赖集合(向量时钟)记录因果前驱。
原理流程
A 写 → B 读 A 的写后再写(B 依赖 A)
其他节点必须先看到 A 再看到 B
与 A、B 都无关的 C 写,顺序不限
代码或图示
事件依赖:B →{A},C 无前驱
因果一致:B 不能先于 A 被观察到
C 与 A、B 谁先谁后均可
常见误区
- 误区:因果一致等于所有操作有序。它只约束有依赖的子集,并发事件顺序不保证。
- 误区:业务线程调用天然构成因果。跨服务、跨消息后的因果需要显式传递依赖标识,不能默认下游知道上游顺序。
追问
- 问:哪些场景用因果一致?答:评论回复、协作编辑、会话内状态变更,需要保前后但不要求全局串行。
- 问:怎么记录因果?答:版本号或向量时钟随请求/消息传递,接收方据此判断可接受的旧值。
09.5.1.1-005 最终一致性是什么?
一句话结论
最终一致不保证读立刻看到最新写,但保证在没有新写入的一段时间后,所有副本收敛到相同状态;期间允许旧值,靠重试、同步、对账与冲突合并收敛,是大规模互联网系统最常见的取舍。
概念解释
- 允许窗口:同步延迟内读到旧值。
- 收敛条件:停止写入 + 同步完成。
- 收敛手段:副本复制、补偿任务、冲突解决、对账。
原理流程
写主副本 → 异步传播到其他副本
窗口内读可能旧值
传播完成后 → 各方状态一致
代码或图示
强一致:写后立刻读到新值
最终一致:写后一段时间内可能旧值,之后收敛
常见误区
- 误区:最终一致就是“迟早会一致,不用管”。窗口内旧值的业务后果必须评估,关键路径不能裸奔。
- 误区:最终一致不需要冲突处理。并发写同一对象仍可能产生冲突,需要合并规则或版本裁决。
追问
- 问:最终一致怎么收敛?答:复制重试、版本覆盖、补偿对账;收敛速度由同步链路与失败恢复决定。
- 问:哪些数据适合最终一致?答:展示类、计数类、可重建的派生数据;资金、库存等强约束字段除外。
09.5.1.1-006 读己之写、单调读、单调写分别是什么?
一句话结论
读己之写保证客户端写完后后续读能看到自己的写;单调读保证同一客户端重复读不会回退到更早版本;单调写保证同一客户端的写按发起顺序生效;三者是比最终一致更强、按会话约束的实用模型。
概念解释
- 读己之写(read-your-writes):自己的写对自己立即可见。
- 单调读(monotonic reads):版本不倒退。
- 单调写(monotonic writes):同主体写顺序不被打乱。
原理流程
写 x=1 → 后续自己读 → 至少看到 1
再读两次 → 版本只升不降
同主体写 w1、w2 → 生效顺序仍是 w1 先于 w2
代码或图示
会话内约束:
读己之写:不读回自己写之前的旧值
单调读:不从新副本跳回旧副本
单调写:乱序消息不能后到先写
常见误区
- 误区:读主库就等于读己之写。多入口、缓存命中、异步副本都可能让自己读到旧值,需按会话路由或版本校验。
- 误区:单调读解决了所有旧值问题。它只保证不回退,不保证读到全局最新写。
追问
- 问:怎么实现读己之写?答:写后短期路由到主副本,或读时带版本号比对自己最新写版本。
- 问:单调读靠什么?答:客户端记录已见最大版本,返回更旧版本时刷新副本重读。
09.5.1.1-007 一致性与延迟、可用性怎么权衡?
一句话结论
越强的一致越需要等待副本/多数派确认,写延迟上升、故障时可服务范围收窄;弱一致换低延迟与高可用,但要承担旧值与冲突后果;按字段和业务路径分级,而不是全系统选一个极端。
概念解释
- 一致性成本:等待确认、共识轮次、跨副本协调。
- 可用性:节点故障时能否继续响应。
- 分级:同一系统内不同字段、不同路径可采用不同模型。
原理流程
提高一致性 → 更多等待/协调 → 延迟↑、吞吐↓
降低一致性 → 本地/异步响应 → 延迟↓、旧值风险↑
代码或图示
资金/库存:强一致,接受较高 RT
展示/推荐:最终一致,追求低延迟与高可用
常见误区
- 误区:互联网系统都该 AP 优先。关键交易路径仍需强一致约束,外围展示才适合放宽。
- 误区:选了强一致就万事大吉。强一致只覆盖被纳入约束的路径,缓存、旁路与异步环节仍可能读到旧值。
追问
- 问:一致性级别在哪一层定?答:存储复制策略、读写路由、缓存与下游消费链路逐层核对,任一环放宽都会改变实际模型。
- 问:权衡依据是什么?答:旧值造成的业务损失、可接受延迟、故障恢复要求,结合压测与故障演练确定。
09.5.1.1-008 CAP 怎么理解,网络分区下如何取舍?
一句话结论
CAP 指一致性、可用性、分区容忍三者在网络分区发生时不可兼得;分布式系统必须容忍分区(P 不可放弃),分区期间只能在 CP(保一致、拒绝部分请求)与 AP(保可用、允许旧值)之间取舍。
概念解释
- C:所有节点读到一致状态。
- A:每个请求都能得到非错误响应。
- P:节点间网络中断时系统仍能运转;分区必然可能发生。
原理流程
网络分区 → 两侧无法同步
CP:拒绝不可确认的读写,保状态一致
AP:继续本地响应,接受分区期间分叉,恢复后合并
代码或图示
分区期选择:
CP:牺牲可用性换一致性
AP:牺牲强一致换可用性
不存在“分区下同时 CA”的选项
常见误区
- 误区:CAP 说三选二、平时可以 CA。P 是分布式前提,讨论的是分区发生瞬间 C 与 A 的取舍。
- 误区:产品贴个 CP/AP 标签就定了。同一系统不同数据、不同路径行为不同,要按场景分析。
追问
- 问:etcd/ZooKeeper 偏哪类?答:分区期间少数派不可写,偏向 CP;具体行为以协议与配置为准。
- 问:Eureka 这类注册中心偏哪类?答:分区时仍可返回旧注册表,偏向 AP,允许短暂旧地址。
09.5.1.1-009 BASE 思想是什么?
一句话结论
BASE 是基本可用、软状态、最终一致,是对 CAP 中 AP 方向的工程概括:故障时降级保证核心可用,允许中间状态存在,不追求时刻强一致,靠异步收敛达成一致。
概念解释
- 基本可用:响应时间或功能可降级,核心链路可用。
- 软状态:允许状态在副本间不同步的中间态存在。
- 最终一致:经过一段时间后状态收敛一致。
原理流程
流量/故障 → 降级保核心可用
接受软状态(中间态、副本延迟)
异步同步 + 补偿 → 最终一致
代码或图示
CAP:理论取舍
BASE:AP 方向的落地实践:基本可用 + 软状态 + 最终一致
常见误区
- 误区:BASE 等于放弃一致性。它放弃的是时刻强一致,最终一致与收敛机制仍要设计到位。
- 误区:所有互联网业务都按 BASE。交易资金、库存扣减等路径仍需强约束,BASE 适用于可异步收敛的部分。
追问
- 问:软状态怎么识别?答:待同步、处理中、补偿中等中间态要在状态机里显式表达,避免被当成终态。
- 问:基本可用怎么落地?答:限流、降级、兜底数据、非核心功能关停,保住下单/支付等主链路。
09.5.1.1-010 同步复制与异步复制有什么区别?
一句话结论
同步复制写主副本后等待副本确认再返回,数据丢失风险低但写延迟受副本拖累;异步复制立即返回,副本后台追赶,延迟低但主节点故障时未同步数据可能丢失;两者决定了实际一致性与容错边界。
概念解释
- 同步:写成功以副本确认为准。
- 异步:主副本先应答,复制在后台进行。
- 半同步:至少一个副本确认即返回,介于两者之间。
原理流程
同步:写 → 等副本落库确认 → 返回成功
异步:写 → 主落库即返回 → 后台复制
代码或图示
同步复制:可靠性高,写 RT = 主 + 副本往返
异步复制:写 RT 低,故障窗口内有未同步数据
常见误区
- 误区:异步复制不会丢数据。主节点在复制完成前故障,未落副本的写入可能丢失。
- 误区:同步复制就没有一致性问题。读取是否路由到副本、副本是否允许过期读,仍需单独约定。
追问
- 问:消息队列副本同步属于哪种?答:以生产者确认级别与副本 ISR 策略决定,详见 09.4.1.3。
- 问:半同步解决什么?答:在性能与不丢之间取平衡,至少一份副本持有最新写。
09.5.1.1-011 Quorum 与 NWR 怎么估算一致性?
一句话结论
N 为副本总数,R 为读 quorum 副本数,W 为写 quorum 副本数;当 R + W > N 时,读与写的 quorum 集合必然相交,读到最新写的概率有集合保证;调大 W/R 增强一致,调小提升可用性与吞吐。
概念解释
- N:数据副本份数。
- W:写成功需要确认的副本数。
- R:读时需要返回并比对的副本数。
- 相交条件:R + W > N 保证读写集合重叠。
原理流程(估算式)
N=3, W=2, R=2 → R+W=4 > 3:读写 quorum 相交
写至少 2 副本确认,读至少 2 副本比对版本
N=3, W=1, R=1 → 2 < 3:可能读到旧副本
代码或图示
写 quorum 集合 ∩ 读 quorum 集合 ≠ ∅
→ 读能覆盖最新写所在副本 → 版本比对取新值
常见误区
- 误区:配了多副本就满足 quorum。W=1 异步写时故障仍可能丢,R=1 可能命中旧副本。
- 误区:quorum 相交就自动返回最新值。读到多份结果后仍需按版本号/时间戳裁决取新。
追问
- 问:NWR 怎么按场景调?答:强一致取 W+R>N;写多读少可提高 W,读多写少可提高 R,结合延迟压测。
- 问:quorum 怎么处理慢副本?答:超时未响应副本不计入成功 quorum,节点恢复后补齐,行为以组件实现为准。
09.5.1.1-012 版本号与向量时钟怎么识别旧值?
一句话结论
单调版本号(序列号、更新时间)让接收方判断新旧;多主并发场景下用向量时钟记录各节点计数,区分“确定旧值”“并发冲突”两类情况;不能只靠本地时间戳裁决跨节点并发写。
概念解释
- 单调版本:单主/单写路径下递增序号,旧版本直接拒绝覆盖。
- 向量时钟:各节点计数组成向量,可比较因果先后或判定并发。
- 冲突:无法判断先后时进入合并/裁决流程。
原理流程
写携带版本 v
接收方本地版本 ≥ v → 旧值,丢弃
向量比较:前驱/后继可判定;互为前驱则并发冲突
代码或图示(向量示意)
A 节点计数:(A=2, B=1)
B 节点计数:(A=1, B=2)
两向量互不支配 → 并发写,需业务合并
常见误区
- 误区:时间戳大就一定是新值。各节点时钟可能漂移,本地墙钟不能作为跨节点因果裁决依据。
- 误区:向量时钟能自动合并冲突。它只标记并发状态,合并规则仍需业务定义。
追问
- 问:单写路径用什么版本?答:数据库行版本/单调序列号即可,实现简单且比较明确。
- 问:版本号存哪里?答:随数据副本与缓存条目保存,读写与失效时一并校验。
09.5.1.1-013 缓存与副本的旧值窗口怎么分级?
一句话结论
按字段后果分级:资金、库存、权限等字段不接受旧值;展示字段、计数、派生视图可接受有限窗口;每级明确读取路径(主/副本/缓存)、版本校验与兜底刷新,避免把所有数据塞进同一缓存策略。
概念解释
- 强约束字段:旧值直接导致错误交易或越权。
- 可放宽字段:短旧值只影响展示,可重建。
- 窗口:从写到可见的延迟上限与补偿机制。
原理流程
字段分类 → 选一致性级别 → 定读取路径与版本校验
强约束:主路径 + 版本/DB 兜底
展示类:缓存 + TTL + 失效刷新
代码或图示
库存/余额/权限:线性一致路径
商品详情/推荐/计数:最终一致,缓存加速
常见误区
- 误区:缓存里什么都能放。强约束字段进缓存必须配合失效、版本校验与回源权威数据源。
- 误区:分级一次定终身。业务改版后字段后果变化,要重新评估缓存与复制策略。
追问
- 问:旧值窗口怎么量化?答:可接受旧值时长 SLA、回源比例、对账差异率,按业务反馈设定基线。
- 问:分级记录在哪?答:数据字典标注字段一致性级别、读取路径与兜底方案,评审时逐项核对。
09.5.1.1-014 共识协议解决什么问题?
一句话结论
共识协议让一组节点在故障、网络抖动情况下就提案(写操作、主节点、配置变更)达成一致决定,保证多数派认可的结果不会被推翻;线性一致的复制与选主通常建立在共识之上,具体协议细节见 09.5.1.2。
概念解释
- 提案:写值、选 leader、配置变更。
- 一致决定:集群就同一结果达成多数认可。
- 容错:少数节点故障或消息丢失不影响整体决定。
原理流程
提案 → 节点交换投票/日志 → 多数派达成一致
已提交决定 → 后续不会被另一结果覆盖
代码或图示
客户端写 → leader → 复制到多数 follower → 提交
少数派故障不影响已提交结果
常见误区
- 误区:共识协议让所有节点每时每刻数据相同。它保证已提交决定一致可见,未同步到的节点恢复后追平。
- 误区:共识可以容忍任意多节点故障。容错上限受副本数与多数派规则约束,超过上限集群不可用。
追问
- 问:常见共识实现有哪些?答:Raft(etcd、部分配置中心)、Zab(ZooKeeper)、Paxos 系;行为差异见 09.5.1.2。
- 问:共识与 quorum 什么关系?答:多数派投票本质是一种写 quorum,协议在其上保证日志顺序与提交安全。
09.5.1.1-015 业务上怎么选择一致性模型?
一句话结论
先列字段与动作的旧值后果,再选模型:强约束动作走线性一致/事务,可异步结果走最终一致并配补偿;会话内交互用读己之写与单调读;选型输出到数据字典与链路评审,避免口头默认。
概念解释
- 后果分类:资损、超卖、越权、展示偏差。
- 模型匹配:后果越重,一致级别越高。
- 配套:幂等、版本校验、对账、降级兜底。
原理流程
动作/字段 → 旧值后果评估
→ 选模型(线性/因果/最终)
→ 定读取路径、版本与补偿
代码或图示
下单扣库存:强一致 + DB 事务约束
通知/积分发放:最终一致 + 幂等 + 对账
用户资料展示:缓存 + 最终一致 + TTL 兜底
常见误区
- 误区:凭系统名气选模型。同一产品内不同路径行为不同,必须按具体字段与链路判断。
- 误区:选完模型不做配套。最终一致缺对账、强一致缺版本校验,都会在并发下出问题。
追问
- 问:注册会话信息适合哪种?答:会话内读己之写,跨设备读可接受最终一致,靠版本刷新。
- 问:配置发布要求什么?答:变更生效需各节点收敛,关键配置用共识/多数派保证,避免新旧配置长期分叉。
09.5.1.1-016 线性一致的代价体现在哪里?
一句话结论
线性一致的代价是写等待多数副本确认、读可能需要路由到可确认副本或比对版本、故障时少数派不可写;表现为更高 RT、更低吞吐与更窄可用边界;容量规划必须把这些等待与重试计入压测。
概念解释
- 写路径:等待 quorum/共识提交。
- 读路径:不能随便读旧副本,需版本比对或 leader 读。
- 故障行为:分区/多数派失效时拒绝服务而非返回旧值。
原理流程
写 RT ≈ 本地写入 + 副本确认往返
读可能:路由可确认副本 / 多副本版本比对
集群不足多数派 → 拒绝写(保一致)
代码或图示
强一致容量估算:按写等待副本数与网络 RT 压测,
不能只按单节点本地写入吞吐推算集群能力
常见误区
- 误区:线性一致只增加一点网络开销。共识选举、日志复制、读比对与故障重选都有额外成本。
- 误区:强一致集群可以随意扩副本线性提速。副本越多确认等待越长,写吞吐不一定随副本增长。
追问
- 问:怎么压测强一致路径?答:覆盖副本确认 RT、多数派故障场景与读版本比对,取 P99 而非平均值。
- 问:能不能用缓存降低强一致读压力?答:可放只读加速副本,但必须有失效与版本兜底,不能把权威判断交给过期缓存。
09.5.1.1-017 只读副本延迟会怎样影响一致性判断?
一句话结论
只读副本异步追赶主副本,存在复制延迟窗口;把读流量引到副本时,读到的可能是旧状态;需要监控复制延迟、按一致性要求决定能否读副本,并在关键路径回主或按版本校验。
概念解释
- 复制延迟:主副本提交到副本可见的时间差。
- 旧值风险:延迟内读副本得到旧状态。
- 观测:复制偏移、延迟指标、版本差距。
原理流程
主提交 → 复制到从(有延迟)
读从 → 可能旧值
监控延迟 → 超阈值切回主或告警
代码或图示
延迟窗口内:
展示类读从:可接受
扣减/校验类读从:旧值风险高,走主或版本比对
常见误区
- 误区:从库延迟只是性能问题。延迟直接改变读到的一致性级别,业务必须知道哪些读能走从。
- 误区:读从库很快就没有延迟。高峰、大事务、网络抖动都会拉大延迟窗口。
追问
- 问:怎么看复制延迟?答:对比主从位点/时间戳,组件提供延迟指标;阈值按业务可接受旧值时长设定。
- 问:库存查询能读从吗?答:只读预览可走从,最终扣减与校验以主库/权威数据源为准。
09.5.1.1-018 一致性落地 checklist 包含哪些点?
一句话结论
逐项核对:字段一致性分级、复制策略(同步/异步/quorum)、读取路径与版本校验、旧值窗口与兜底刷新、冲突合并规则、监控指标与对账补偿、故障时 CP/AP 行为;每项落到具体配置与责任人,而不是停留在“用了分布式存储”。
概念解释
- 分级:字段后果与模型映射。
- 路径:写复制、读路由、缓存层级。
- 兜底:版本、冲突、对账、降级与故障行为预案。
原理流程
评审:分级 → 复制策略 → 读取路径
→ 版本/冲突规则 → 监控与对账
→ 故障分区行为 → 压测与演练验证
代码或图示
上线前检查清单:
[ ] 强约束字段是否避开过期缓存/旧副本
[ ] 复制确认级别与 quorum 是否符合分级
[ ] 版本号/向量时钟是否随数据传递
[ ] 旧值窗口有监控、有刷新兜底
[ ] 冲突有合并规则,异常有对账补偿
常见误区
- 误区:清单只在架构评审时过一次。版本升级、主题/表新增、下游变更后要重新核对一致性链路。
- 误区:把一致性责任全推给中间件。业务仍需定义字段级别、冲突规则与补偿动作。
追问
- 问:线上旧值问题怎么复盘?答:沿写路径、复制链路、读取路由、缓存失效逐段定位旧值进入点,补版本或回源规则。
- 问:待确认项怎么标注?答:版本相关行为以官方文档与实测为准,验证点写明需要观察的指标与场景,不写死未确认数值。