认识达内从这里开始

分布式编程开发在许多编程领域中都有不同的应用情况，而今天我们就一起来了解一下，在分布式编程条件下的数据一致性的理解方法。

时间点一致性(Point in time Consistency)

时间点一致性我觉得也可以叫做副本一致性，时间点一致性的定义为:

如果所有相关的数据组件在任意时刻都是一致的，那么可以称作为时间点一致性。

这个定义如果你了解过CAP理论的话，那么你应该不会太陌生。

在CAP中的C的定义为对某个指定的客户端来说，读操作能返回新的写操作。我们可以发现时间点并没有规定一致的需要保证是新的，所以可能有同学会提出疑问时间点一致性的范围比CAP中的一致性范围要大一点。其实细想一下如果我们某个数据组件更新了数据，如果为了满足时间点一致性，那么我们所有相关的数据组件的数据都是一致的，所以其他的数据都会变为新的，那么其实就和CAP是一样的，都需要满足如果在某个节点更新了数据，那么在其他节点如果都能读取到这个新的数据。

当然CAP和时间点一致性并不是完全的一致:时间点一致性的定义中要求所有数据组件的数据在任意时刻都是完全一致的，但是一般来说信息传播的速度大是光速，其实并不能达到任意时刻一致，总有一定的时间不一致，对于我们CAP中的一致性来说只要达到读取到新数据即可，达到这种情况并不需要严格的任意时间一致。

这里我们还需要注意的是这个并不总是用于分布式系统中的，在我们单个机器中如果有多核处理器，我们再任意时刻访问不同处理器对同一变量数据都需要是一致的也可以同样适用。

事务一致性

一致性不仅仅可以表示数据的同时变更或相同性，还可以用来表示约束，而我们的事务一致性就是其中的一种。事务一致性就是我们平时所说的ACID中的C，其定义如下:

事务的一致性指的是在一个事务执行之前和执行之后数据库都必须处于一致性状态。如果事务成功地完成，那么系统中所有变化将正确地应用，系统处于有效状态。如果在事务中出现错误，那么系统中的所有变化将自动地回滚，系统返回到原始状态。

事务一致性只能存在在事务开始前的和事务完成之后，在事务过程中数据有可能不一致。举个例子:比如A转100元给B，A扣减100，B加上100，在事务开始前和事务完成之后都能保证他们的帐是对上的，那么这就是事务一致性。但是在事务过程中有可能会出现A扣减了100元，B没有加上100元的情况，这就是不一致。

这里一般的初学者都会把CAP和ACID中的C都会误解成一样的含义，其实他们其中一个表示的数据的相同，而另一个是用来表示某种约束。

应用一致性

应用一致性可以看做是约束一致性中的一种。上面的事务一致性代表的是单一数据源，如果数据源是多个，比如数据源有多个数据库，文件系统，缓存等。那么就需要我们应用一致性，这里也看做是分布式事务一致性。

在应用程序中涉及多个不同的单机事务，只有在所有的单机事务完成之前和完成之后，数据是完全一致的。比如给用户发送券和积分，券服务和积分服务是两个服务，他们各自有自己单机事务，这两个单机单机事务开始前和完成后都能保证用户的帐是对应上的。但是在这两个单机事务执行过程有可能会出现只送了券，没有送积分的情况，有可能状态不正确。

【免责声明】本文系本网编辑部分转载，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请在30日内与管理员联系，我们会予以更改或删除相关文章，以保证您的权益!