摘要：如果能夠在分布式系統中針對某一個數據項的變更成功執行后，所有用戶都可以馬上讀取到最新的值，那么這樣的系統就被認為具有強一致性。

分布式系統：

一個硬件或軟件組件分布在不同的網絡計算機上，彼此之間僅僅通過消息傳遞進行通信和協調的系統，這是分布式系統，在不同的硬件，不同的軟件，不同的網絡，不同的計算機上，僅僅通過消息來進行通訊與協調。

更細致的看這些特點又可以有：分布性、對等性、并發性、缺乏全局時鐘、 故障隨時會發生。

1.1分布性：
最顯著的特點肯定就是分布性，從簡單來看，如果我們做的是個電商項目，整個項目會分成不同的功能，專業點就不同的微服務，比如用戶微服務，產品微服務，訂單微服務，這些服務部署在不同的tomcat中，不同的服務器中，甚至不同的集群中，整個架構都是分布在不同的地方的，在空間上是隨意的，而且隨時會增加，刪除服務器節點，這是第一個特性。

1.2對等性:
對等性是分布式設計的一個目標。分布式系統拆分了好多個服務,每個服務都可能出問題而導致整個系統出問題,因此每個服務一般都有備份,在服務異常時備份服務能頂替原來異常的服務.
關鍵：這就要求2個服務是完全對等的,功能完全一致.比如訂單服務，客戶服務等,其實就是服務副本的冗余.
還有一種是數據冗余,如數據庫,緩存和分布式服務一樣需要有備份存在,這就是對等性.

1.3并發性：
在分布式系統里面的并發就不是我們基礎學習的多線程（單JVM）了，而是更高層,從多進程多JVM角度,比如多個分布式服務可能并發操作一些共享資源,如何準確并高效的協調分布式并發操作.

1.4缺乏全局時鐘：
在分布式系統中，節點是可能反正任意位置的，而每個位置，每個節點都有自己的時間系統，因此在分布式系統中，很難定義兩個事務糾結誰先誰后，原因就是因為缺乏一個全局的時鐘序列進行控制，當然，現在這已經不是什么大問題了，已經有大把的時間服務器給系統調用。

1.5故障隨時發生
任何一個節點都可能出現停電，死機等現象，服務器集群越多，出現故障的可能性就越大，隨著集群數目的增加，出現故障甚至都會成為一種常態，怎么樣保證在系統出現故障，而系統還是正常的訪問者是作為系統架構師應該考慮的。

2.1 分布式系統帶來的問題：

通信異常：通訊異常其實就是網絡異常，網絡系統本身是不可靠的，由于分布式系統需要通過網絡進行數據傳輸，網絡光纖，路由器等硬件難免出現問題。只要網絡出現問題，也就會影響消息的發送與接受過程，因此數據消息的丟失或者延長就會變得非常普遍。

網絡分區：網絡分區，其實就是腦裂現象。比如有個管理者與一些服務通信并協調服務,出于一些異常情況通信斷了,出現了一個臨時管理者,實際上原來的管理者還在,這樣2個管理者做同一個工作會出現問題

三態：三態其實就是成功，與失敗以外的第三種狀態，叫超時態。
在一個jvm中，應用程序調用一個方法函數后會得到一個明確的相應，要么成功，要么失敗，而在分布式系統中，雖然絕大多數情況下能夠接受到成功或者失敗的相應，但一旦網絡出現異常，就非常有可能出現超時，當出現這樣的超時現象，網絡通訊的發起方，是無法確定請求是否成功處理的。

節點故障: 節點故障在分布式系統下是比較常見的問題，指的是組成服務器集群的節點會出現的宕機或“僵死”的現象，這種現象經常會發生

.

2.2 CAP理論

CAP其實就是一致性，可用性，分區容錯性這三個詞的縮寫。

C 一致性：數據在分布式環境下的多個副本之間能否保持一致性，這里的一致性更多是指強一致性；這里說的一致性和前面說的對等性其實差不多。如果能夠在分布式系統中針對某一個數據項的變更成功執行后，所有用戶都可以馬上讀取到最新的值，那么這樣的系統就被認為具有【強一致性】。

A 可用性：分布式系統一直處于可用狀態，對于請求總是能在有限的時間內返回結果致性；這里的重點是【有限的時間】和【返回結果】,為了做到有限時間用到了緩存,負載均衡,為了返回結果考慮服務器主備.

P 分區容錯性：除非整個網絡故障，分布式系統在任何網絡或者單點故障時，仍能對外提供滿足一致性和可用性的服務；

CAP具體描述：

2.3. BASE理論

即使無法做到強一致性，但分布式系統可以根據自己的業務特點，采用適當的方式來使系統達到最終的一致性；

BasicallyAvaliable基本可用：當分布式系統出現不可預見的故障時，允許損失部分可用性，保障系統的“基本可用”；體現在“時間上的損失”和“功能上的損失”；e.g：部分用戶雙十一高峰期淘寶頁面卡頓或降級處理；

Soft state軟狀態：允許系統中的數據存在中間狀態，既系統的不同節點的數據副本之間的數據同步過程存在延時，并認為這種延時不會影響系統可用性；e.g：12306網站賣火車票，請求會進入排隊隊列；

Eventually consistent最終一致性：所有的數據在經過一段時間的數據同步后，最終能夠達到一個一致的狀態；e.g：理財產品首頁充值總金額短時不一致；

分布式一致性算法：
常見分布式一致性算法：2p，3p，paxos，zab算法；