数据一致性

数据一致性是分布式系统的核心挑战。在微服务架构中，如何保证数据一致性是一个重要问题。本节将学习数据一致性。

本节将学习：CAP 定理、最终一致性、分布式事务，以及 Saga 模式。

CAP 定理

定理说明

CAP 定理：

• C（Consistency）：一致性
• A（Availability）：可用性
• P（Partition Tolerance）：分区容错性

CAP 定理指出： 在分布式系统中，最多只能同时满足两个特性。

选择策略

CAP 选择策略：

• CP：一致性 + 分区容错性（如数据库）
• AP：可用性 + 分区容错性（如缓存）
• CA：一致性 + 可用性（单机系统）

最终一致性

一致性模型

最终一致性：

• 允许短暂的不一致
• 最终达到一致状态
• 适合大多数业务场景

实现方式

最终一致性实现方式：

• 事件驱动
• 消息队列
• 异步更新

分布式事务

事务类型

分布式事务类型：

• 2PC（两阶段提交）：强一致性，但性能低
• 3PC（三阶段提交）：改进的 2PC
• TCC（Try-Confirm-Cancel）：补偿模式
• Saga：长事务模式

Saga 模式

模式说明

Saga 模式：

• 将长事务分解为多个短事务
• 每个短事务有补偿操作
• 最终一致性

Saga 示例

官方资源

• CAP 定理：https://en.wikipedia.org/wiki/CAP_theorem
• Saga 模式：https://microservices.io/patterns/data/saga.html

本节小结

在本节中，我们学习了：

第一个是 CAP 定理。 一致性、可用性、分区容错性的权衡。

第二个是最终一致性。 允许短暂不一致，最终达到一致。

第三个是分布式事务。 2PC、3PC、TCC 等事务模式。

第四个是 Saga 模式。 长事务分解和补偿机制。

这就是数据一致性。理解数据一致性，有助于我们设计合理的微服务架构。

在下一节，我们将学习微服务治理。