当前位置：首页 > 编程日记 > 正文

分布式系统一致性模型的介绍以及 zookeeper的 “线性一致性“ 讨论

编程日记 2024-03-28 10:30:00

文章目录

- 1. 一致性概览
- - 1.1 分布式系统的 “正确性”
  - 1.2 线性一致性(Linearizability)
  - 1.3 顺序一致性(Sequential consistency)
  - 1.4 因果一致性(Casual consistency)
  - 1.5 最终一致性(Eventual consistency)
- 2. Zookeeper 的 “线性一致性” 问题
- 3. 参考

一致性算是分布式系统的定位，一个分布式系统拥有什么样的一致性决定了它能够拥有什么样的性能。

本节从理论（设计一些分布式系统）层面来描述不通的一致性的要求以及在性能上的取舍，最后再探讨一下一致性对于共识算法（一致性算法）的影响。

写这篇文章的起因是身边的同事以及接触到的分布式系统总会引入对一致性的讨论，请教大家不通一致性的区别以及一致性和隔离性之间的差异时（线性一致性和 Serializability 除了一个是一致性一个是隔离级别，他们对请求处理上有什么差异吗）总是从工程上得不到一个清晰的答案，所以还是自己花功夫讲这一些细节摸清楚，这样我们说一个系统拥有 “线性一致性能力”(个人已知的还没有) 以及一个系统拥有最终一致性能力的时候他们的大体架构和性能差异都能有一个定位框架。

1. 一致性概览

1.1 分布式系统的 “正确性”

在分布式系统中我们想要保证系统的正确性，需要一套规则来进行约束，这一套规则就是一致性模型。

这个时候大家会想，保证正确性不是天经地义的事情吗，计算机执行 1+1 ，返回的结果一定是2呀，只要满足类似这样的正确性不就是正确性本身的体现吗，为什么在分布式系统中需要有一套规则来描述正确性呢。

这种正确性需要达到操作系统寄存器级别的数据操作才行，加上CPU-cache 和 DRAM 其实就无法达到这样的正确性了。
因为cpu-cache是异步更新到DRAM的，而多线程场景，不通线程挂在不通的cpu之上，那一号线程的更新不一定立即刷到DRAM，而同时2号线程去读这块内存，可能无法读到新的数据。

很简单，我们来做一些简单的计算：

单机服务器中 CPU 距离内存大概30cm，电信号（电磁波）以接近光速的速度从CPU 传递到内存，需要1ns的时间。
分布式系统中不通数据中心服务器之间的距离往往以百千米计，按照500km来算的话，不通服务器之间的数据传输耗时需要1.6ms。

而实际情况下，全球级别的分布式系统计算机之间的通信跨洲/跨洋都是很普遍的，那一次请求需要几十ms以上的延时才能被其他服务器收到，相比于单机服务器几十ns到百ns的访寸或者us级别的读盘来说太长了。这个时候，一台机器写入的数据想要在另一台机器读取，显然很难保证其他机器能够读到新的数据。

所以，我们需要为分布式系统引入正确性模型，来决定当前分布式系统应该对外提现什么样的“正确性”，这个正确性可以和我们的寄存器正确性有歧义。正如，CPU的内存屏障能够为用户提供不同的一致性要求。

目前整理出来的一致性模型，从强到弱大体有以下四种（不同的论文/系统可能有自己的分类，但是较为清晰的划分有以下四种）：

线性一致性(Linearizability) --> 顺序一致性(Sequential consistency) --> 因果一致性(Casual consistency) --> 最终一致性(Eventual consistency)

接下来详细看看每一种一致性的提供什么样子的正确性。

1.2 线性一致性(Linearizability)

**线性一致性顾名思义，对于观察者来说所有的读和写都在一条单调递增的时间线上串行推进。**整个系统对外的表现就是一个原子寄存器，能够很容易得实现CAS(compare and set)操作。

它对读写的要求是所有的读总能返回最近的写操作的值。

在这里插入图片描述

优点很明显：寄存器级别的正确性

缺点很致命：这样的正确性对写的要求就是写请求需要写入到每一个服务器才算完成，中间有任何一个服务器宕机/网络分区，写都会卡住，整个系统将完全不可用。

同样的，在操作系统中，我们的CPU访存想要提供线性一致性引入的内存屏障也会让系统性能受影响。

在这里插入图片描述

原本的写请求写到cpu-cache就可以返回，等待cpu-cache异步刷内存。但是现在，我们加上memory_order_seq_cst，就需要从cpu-cache同步写入到内存完成才返回。这个时候延时将从几个ns降到接近百ns。

1.3 顺序一致性(Sequential consistency)

顺序一致性则降低了线性一致性的正确性标准，不要求整个系统（分布式/单机）对外表现的读写都在一个单调递增的时间线上。顺序一致性则只需要保证一个机器上的进程处理读写请求是按照请求定义的顺序发生的即可。

要求如下：

不要求操作按照真实的时间序列发生（像下图中，读请求下发的时间在写请求之后，却可以读到这个写请求之前的数据）
不通进程间的操作执行先后顺序也没有强制要求，但必须是原子的。
单个进程内的操作顺序必须和编码时的时间顺序一致。

在这里插入图片描述

现在的很多分布式系统对外宣称自己是强一致性系统，其实最高的级别也就是到顺序一致性这里。包括很多人讨论的zookeeper + sync 能否提供线性一致性读问题，其实也只能提供到顺序一致性级别（正如前面说的，操作系统在内存屏障的情况下才能保证线性一致性，实现zookeeper 时每个机器会开内存屏障？显然不可能）。

1.4 因果一致性(Casual consistency)

因果一致性要求有**因果相关 **的操作必须按照顺序发生。比如先发帖子，再有评论，那么发帖子的操作x 一定在评论操作y 之前发生。

因为前面的一致性模型中对每一个操作都能用一个单一的数值表示（时间），但是在因果一致性模型中，我们会发现每一系列满足因果一致性的操作都是一个集合，我们要确保并发场景下的因果关系，就需要对两个集合进行比较。

这个一致性不要求整个系统/整个进程对外拥有一个特定的顺序，所以它所能够容忍的冲突更多，也就是更低的一致性要求，好处也很明显，会对性能比较友好（更高的并发处理）。

在因果一致性的系统实现中需要捕获因果依赖关系，这个操作在数据库系统中会引入一些计算/存储代价，间接增加了系统的复杂度。
业界很少有因果一致性的系统，虽然其能够允许更高的并发，但是引入的额外复杂度会影响大家的选择。后续的文章会介绍因果一致性系统的经典实现COPS。

1.5 最终一致性(Eventual consistency)

这里就不多说了，系统不会限制用户的任何操作方式，允许每个原子操作的顺序执行任意的重排。

在某一时刻，会保证能够读到对数据的更新，（某一时刻。。。这里可以算做是一个量子的混合态，不论什么时候，对外的表现就是只有用户读了，可能才会写入成功 or 没有成功，也就是写入的时机取决于用户什么时候读取，哈哈，是不是很有趣）。

2. Zookeeper 的 “线性一致性” 问题

很多网上的文章会说zookeeper 这个分布式协调系统能够提供线性一致性的模型。

我们先不评论说的正确与否，先看看线性一致性的定义：所有的读操作总能够返回最新写入的值。这个一致性应用到整个zookeeper的分布式系统中来看，也就是 1 号客户端的写入完成，从 2 号客户端立即读，就能读到这个写入的值。

（1）首先，zookeeper是一写，多读，写操作都会交给leader进行，读操作leader-follower都可以处理。那我们把2号客户端的读请求放在follower，也就是说follower要能够实时读到leader写入的数据。这里就需要知道在 zookeeper 的 ZAB 的 Broadcast 阶段，为了实现zookeeper 的性能，leader本地的请求commit 是会按照zxid进行，但是远端follower的的commit 则是异步的（zookeeper论文描述的是A-Linearizability），leader发送commit请求的时候会同时向客户端返回写入成功，异步向follower发送commit请求。这个时候客户端收到的写入成功并不能代表follower写入成功，所以从follower 读是读不到最新的写入的。

（2）其次，大家会说用sync+read 就可以呀。也就是每一个写/更新操作都携带sync, 那我们是不是就可以保证读的线性一致性了。。。先看看sync 操作的定义，ZAB 论文中这样描述：

在这里插入图片描述

也就是说在BroadCast 阶段，对集群的update/写操作都会交给leader处理，这个时候让leader 携带sync操作，leader会让这一些更新/写操作同步到所有的follower 才返回。

听起来好像是这么回事哈，写/更新操作成功了，之后的从follower读肯定都能读到最新的值了，当然，集群正常情况下（且操作在每一个机器加上内存屏障），从一致性的语义来看，线性一致性读满足了的。然而，分布式系统我们主体讨论的则是集群异常情况下的一致性表现。

a. 关于sync+read 是否满足线性一致性读问题，先看一下jepsen 对zookeeper 测试过程的一个讨论

场景大概是这样的：

正常情况下的集群如下

在这里插入图片描述

一写多读，多个链接到集群的客户端的写/更新操作会被转发给leader 处理，读请求可以被任何follower处理，sync+read 能够让follower读到leader最新接收到的写入。

但是，当集群发生网络分区的时候：

在这里插入图片描述

之前的leader因为没有办法满足majority，无法成为leader，且写请求会被阻塞。另一边之前的三个follower 因为能够满足majority，则可以重新选举出来一个leader ，从而能够接受写请求。在分区发生的之前可能会出现leader本地已经写入了，但是在同步到远端写入的时候刚好分区，远端的follower写入没有成功。这个时候，远端是三个节点的新集群中其实并没有最新的写入，也就无法满足线性一致性读了。

在这里插入图片描述

b. 关于sync+read 是否满足线性一致性读问题，从分布式学习交流群中看到有小伙伴描述了这样一个场景：
在这里插入图片描述

先看场景，就是说不同的客户端想要保证“自己的线性一致性”，他们更新的数据他们希望能够读到，但是更新到读这个过程被其他的客户端更新了，那这个小伙伴认为就不是线性一致性了。

当然，从线性一致性个的语义来看，这个场景并不是线性一致性的场景。线性一致性模型是对整个系统而言的，A 客户端被 B客户端的请求覆盖，然后A读到了B的更新数据，这本身就是整个系统的线性一致性的语义。关于说 A的线性一致性读。。。其实是描述有问题的。。。

还是回到前面关于zookeeper的线性一致性讨论中，那很明显，在集群异常的情况下，即使有sync操作， zookeeper也是无法保证严格的线性一致性的语义的。

3. 参考

1. zookeeper paper
2. ZAB paper
3. https://github.com/jepsen-io/jepsen/issues/399
4. https://aphyr.com/posts/291-jepsen-zookeeper
5. https://aphyr.com/posts/313-strong-consistency-models#comment-2578

https://www.dkcj.cn/info/3825.html

文章目录

1. 一致性 概览

1.1 分布式系统的 “正确性”

1.2 线性一致性(Linearizability)

1.3 顺序一致性(Sequential consistency)

1.4 因果一致性(Casual consistency)

1.5 最终一致性(Eventual consistency)

2. Zookeeper 的 “线性一致性” 问题

3. 参考

相关文章：

1. 一致性概览