42-分布式：一致性问题.pdfVIP

分布式：一致性问题

1.一致性

一致性（consistency），是指对于分布式系统中的多个服务节点，给定一系列操作，在约定协议的保

障下，试图使得它们对处理结果达成“某种程度”的认同。

分布式计算机集群系统中容易出现以下几个问题：

1.节点之间的网络通信是不可靠的，包括消息延迟、乱序和内容错误等；

2.节点的处理时间无法保障，结果可能出现错误，甚至节点自身可能发生宕机；

3.同步调用可以简化设计，但会严重降低分布式系统的可扩展性，甚至使其退化为单点系统。

对于节点的问题就要涉及到一个关于拆分的问题。拆分一般分为水平拆分和垂直拆分，这并不单指对数

据库或者缓存的拆分，主要是表达一种分而治之的思想和逻辑。

水平拆分：指由于单一节点无法满足性能需求，需要扩展为多个节点，多个节点具有一致的功能，组成

一个服务池，一个节点服务一部分请求量，所有节点共同处理大规模高并发的请求量。

垂直拆分：指根据功能进行拆分，简单来说就是什么专业的人干什么事，把一个复杂的功能拆分为多个

单一、简单的功能，不同的单一功能组合在一起，和未拆分前完成的功能是一样的。由于每个功能职责

单一、简单，使得维护和变更都变得更简单、容易、安全，所以更易于产品版本的迭代，还能够快速地

进行敏捷发布和上线。

在这样的互联网时代，一致性指分布式服务化系统之间的弱一致性，包括应用系统的一致性和数据的一

致性。

无论是水平拆分还是垂直拆分，都解决了特定场景下的特定问题，拆分后的系统或者服务化的系统的最

大问题就是一致性问题：如何保证它们的信息、工作进度、状态一致并且协调有序地工作。

2.一致性的问题部分案例

a.下订单和扣库存

电商系统中有一个经典案例，即下订单和扣库存如何保持一致。如果先下订单，扣库存失败，那么将会

导致超卖；如果下订单不成功，扣库存成功，那么会导致少卖。这两种都会导致运营成本增加，在严重

的情况下需要赔付。也就是说，要将订单和库存的扣除一一对应，保障用户的买卖需求和自身的利益得

失。

b.同步和异步调用的超时

1）.同步：主要针对的是网络问题导致的系统之间调用超时。对于系统A同步调用系统B超时，A可以得

到反馈但是无法确定B是否完成预设，就无法反馈给使用方。

2）.异步：使用异步回调返回处理结果，系统A同步调用系统B发起指令，系统B采用受理模式，受理后

则返回成功信息，然后系统B处理后异步通知系统A处理结果，那么如果对于A而言没有收到回调结果，

那么这两个系统间的状态就不一致，互相认知的状态不同会导致系统间发生错误。

c.缓存问题

1）.缓存和数据库不一致

缓存中的数据跟数据库的数据出现了不一致，即其中一方存在脏数据的现象。需要注意的是，只有在对

同一条数据并发读写的时候，才可能会出现这种问题。

如果系统并发量很低，特别是读并发很低，那么它发生缓存跟数据库数据不一致的情况相对比较少，概

率比较低；

如果系统并发量很高，像淘宝、京东等电商平台，每天都是上亿级流量，每秒并发读是几万，每秒都有

写请求，这种情况下出现缓存跟数据库不一致的概率就比较高；

2）.本地缓存节点间不一致

一个服务池上的多个节点为了满足较高的性能需求，需要使用本地缓存，这样每个节点都会有一份缓存

数据的复制，如果这些数据是静态的、不变的，就永远不会有问题，但是如果这些数据是半静态的或者

经常被更新的，则被更新时各个节点的更新是有先后顺序的，在更新的瞬间，在某个时间窗口内各个节

点的数据是不一致的，如果这些数据是为某个开关服务的，则想象一下重复的请求进入了不同的节点，

一个请求进入了开关打开的逻辑，同时另外一个请求进入了开关关闭的逻辑，会导致请求被处理两