一致性模型谱系：从线性一致到最终一致
03-一致性与复制
核心
约 25 分钟
#一致性模型#线性一致#顺序一致#因果一致#最终一致
更新 2026-10-02
当前状态：未学
本文基于模型知识整理（生成时未联网核对），关键结论建议对照经典文献复核。
一句话定义
一致性模型是"并发读写表现成什么样"的契约谱系：线性一致最强（像单机），顺序一致、因果一致逐级放宽，最终一致最弱（只保证停止更新后收敛）；模型越强，实现代价越高。
为什么重要
"这个系统一致吗"是个伪问题，"它承诺哪一档一致性"才是真问题。选错档位的代价是隐蔽的正确性 bug（读到旧值、因果倒置）或无谓的性能开销（该用最终一致的地方上了线性一致）。这张谱系图是分布式存储选型的坐标系。
前置知识
kp-004（happens-before 与并发）、kp-011（复制产生不一致）。
核心概念（由强到弱）
- 线性一致性（linearizability）：每个操作表现得发生在"调用开始与返回之间的某一瞬间"，全体节点看到同一个全序；等价于"数据只有一份"。等价说法：可线性化 = 最近的写立刻对所有读者可见。
- 顺序一致性（sequential consistency）：所有节点看到同一个全序，但该全序只需与单节点自己的操作顺序一致，不要求尊重跨节点的实时先后（弱于线性一致之处：别的客户端的写可以"迟到"）。
- 因果一致性（causal consistency）：有因果关系的操作（kp-004 的 happens-before）全体按同序观察；并发操作可以各节点各序。
- 最终一致性（eventual consistency）：只承诺"停止更新后，副本最终收敛"，期间可以任意旧。
- 辨析：可线性化（一致性）≠ 可串行化（事务隔离）——前者关于单对象读写可见性，后者关于多对象事务等价某个串行执行；线性一致的可串行化（strict serializability）才是最强组合。
原理与机制
强弱代价：线性一致要求读操作与最新写交互（要么读主、要么 quorum 交叉验证），每次读写都有协调成本且分区时少数派停服（kp-012 的 C 侧）；最终一致读写都可本地/多数派完成，代价是读到旧值与冲突修复。中间档（因果一致）用向量时钟/因果上下文追踪依赖，实现复杂度显著（如 COPS）。
判定方法（工程视角）：线性一致性可形式化检查（Jepsen 的 linearizable 历史检验，kp-033）；顺序一致与因果一致较难穷举，实践中靠协议结构（是否走共识日志）判断。经验法则：基于共识日志的键值读（etcd/ZooKeeper 的 linearizable read）是线性一致；只走本地/从库副本读是最终一致；声明"顺序一致"的系统较少见，文档要逐字确认。
图示
强 ◄──────────────────────────────────────► 弱
线性一致 ── 顺序一致 ── 因果一致 ── 读己之写 ── 最终一致
(单机感) (统一全序) (因果不乱) (会话内) (收敛即可)
代价: 高协调/延迟 ◄──────────────► 本地读写/需修复实例或案例
- etcd / ZooKeeper：读可选择线性一致（默认经 leader/quorum）或更快的本地顺序读（ZooKeeper sync API 语义）。
- Kafka：分区内顺序一致；结合幂等生产与事务可支撑 read-committed 语义。
- COPS：学术界因果一致 KV 的代表，"get_after"原语显式追踪依赖。
- 图数据库/社交流：评论列表只需因果一致（先看到的回复必须晚于被回复的评论）。
常见误区
- 误区一："最终一致 = 最终会变对，无所谓"。收敛前的窗口内可能反复读到旧值，业务（如库存扣减）不能只依赖最终一致。
- 误区二："可线性化 = 可串行化"。两码事：前者单对象，后者多对象事务；只有 strict serializability 二者兼得，成本最高。
- 误区三："复制因子 3 就是强一致"。副本数与一致性档位无关；不经过 quorum/共识的复制即使 5 副本也是最终一致。
与其他知识点的关系
- kp-012：线性一致正是 CAP 的 C。
- kp-014：quorum 读写叠加版本比较可达到线性一致（条件较苛刻）。
- kp-016：读己之写等会话保证是弱一致系统的实用补丁。
- kp-027：MVCC/时间戳是实现一致性读的机制底座。
自测题
- 线性一致与顺序一致的关键差别？
答：线性一致要求全序尊重操作的真实时间区间；顺序一致只要求与各节点自身顺序一致，跨节点实时先后可以颠倒。
- 为什么说"可线性化 ≠ 可串行化"？
答：线性化管单对象的读写实时可见性；串行化管多对象事务的等价串行执行；二者维度不同，最强是 strict serializability。
- 举一个不需要线性一致、因果一致就够的场景。
答：评论区/对话流：回复必须出现在被回复内容之后（因果），不同评论之间的先后无需全局实时一致。
延伸阅读
- Leslie Lamport, "How to Make a Multiprocessor Computer That Correctly Executes Multiprocess Programs"（1979，顺序一致性）。
- Mahajan 等, "COPS: Practical Causal Consistency"（SIGMOD 2011）。
- Kyle Kingsbury 的线性一致性 Jepsen 分析（jepsen.io/consistency）。