<aside> 💡 分布式系统：通常由异步网络连接的多个节点构成，每个节点有独立的计算和存储，节点之间通过网络通信进行协作

</aside>

共识 Consensus

<aside> 💡 分布式系统中多个节点之间，彼此对某个状态达成一致结果的过程

</aside>

虽然共识 （Consensus） 和一致性 （Consistency） 在很多应用场景中被认为是近似等价的， 但二者涵义存在着细微的差别：

• 一致性描述结果：侧重于节点共识过程最终达成的稳定状态
• 共识描述过程：侧重于达成一致性的方法与过程

由于翻译的关系，很多中文资料把 Consensus 翻译为一致性，导致概念混淆。所以，分布式一致性算法的说法是错误的，正确的名称应该是分布式共识算法。

共识达成条件

<aside> 💡 诚实节点是符合我们期望的节点行为的节点，与之相反的是恶意节点

</aside>

• 可终止性（Termination）：诚实节点必须在有限时间内能达成共识
• 约同性（Agreement）：所有诚实节点最终完成决策的结果是相同的
• 合法性（Validity）：决策的结果必须是某个诚实节点提出的提案

一致性 Consistency

<aside> 💡 一致性要求的是一致，并不是正确，如果所有节点一致给出一个”错误“的答案，那也叫一致性

</aside>

Strong consistency
– ensures that only consistent state can be seen.

* All replicas return the same value when queried for the attribute of an object * All replicas return the same value when queried for the attribute of an object. This may be achieved at a cost – high latency.

Weak consistency
 – for when the “fast access” requirement dominates.

* update some replica, e.g. the closest or some designated replica
* the updated replica sends up date messages to all other replicas.
* different replicas can return different values for the queried attribute of the object the value should be returned, or “not known”, with a timestamp
* in the long term all updates must propagate to all replicas …….

--- [Consistency in Distributed Systems](<https://www.cl.cam.ac.uk/teaching/0910/ConcDistS/11a-cons-tx.pdf>)

• 强一致性：某个数据被成功更新后，后续任何对该数据的读取操作都将得到更新后的值。需要在响应延时上妥协。
• 弱一致性：某个数据被更新后，后续对该数据的读取操作可能是更改前的值。但经过一段时间后，后续对该数据的读取都是更新后的值。
• 从强到弱：线性一致性 > 顺序一致性 > 因果一致性 > 最终一致性

线性一致性

<aside> 💡 对于任何一个数据对象来说，系统表现得就像它只有一个副本一样

</aside>