Кратко — что это и когда применять, с какими алгоритмами достигается.
1) Strong consistency (линейаризуемость / сериализуемость)
- Суть: каждая операция выглядит так, будто выполняется атомарно в единой последовательности; чтение сразу видит самые последние подтверждённые записи.
- Характеристики: высокие гарантий корректности, обычно высокая задержка и/или низкая доступность при сетевых разрывах (CAP: предпочитает C).
- Подходящие прикладные задачи: банковские/платёжные системы, учёт денежных средств и балансов, инвентарь с жёсткими ограничениями, критические транзакции, система распределённого захвата блокировок.
- Как достигается (алгоритмы/механизмы): распределённый консенсус — Paxos / Multi‑Paxos, Raft, Viewstamped Replication, Zab (ZooKeeper); транзакционные протоколы (2PC/3PC) поверх согласия; системы: Google Spanner (TrueTime + Paxos) даёт внешнюю согласованность; консенсус применяется для реплицирования лидера/логов.
- Компромиссы: высокая синхронизация/координция, сложность при масштабировании, большие задержки межрегионально.
2) Eventual consistency (конечная/схождение)
- Суть: при отсутствии новых обновлений все реплики в конце концов согласятся на некотором значении; нет гарантии порядка или немедленного видимого обновления.
- Характеристики: очень высокая доступность и низкая задержка, простая масштабируемость; при конфликтах требуется разрешение.
- Подходящие прикладные задачи: кэширование, ленты новостей, аналитика, метаданные, ненужные строгие инварианты пользовательские профили, многие соц-приложения; там где некритично кратковременное рассогласование.
- Как достигается: репликация через gossip/anti‑entropy, Dynamo‑style (hinted handoff, Merkle trees), версии/векторные часы для детекции конфликтов; конфликтная политика: last‑write‑wins (LWW) либо лучше — CRDT (Conflict‑free Replicated Data Types) для безкоординационного сходимости.
- Технологии/системы: Amazon Dynamo, Riak, Cassandra (в «eventual» режиме), Riak DT / CRDT‑библиотеки.
- Компромиссы: приложение должно уметь работать с устаревшими данными или использовать CRDT для корректной автоматической сходимости.
3) Causal consistency (каузальная согласованность)
- Суть: сохраняет причинно‑следственные отношения между операциями: если A повлияло на B, то все процессы увидят A прежде B; конкурентные (независимые) операции могут наблюдаться в разном порядке.
- Характеристики: сильнее eventual (поддерживает порядок причин), слабее линейаризуемости; хорош для интерактивных приложений, низкая/умеренная задержка по сравнению с глобальным консенсусом.
- Подходящие прикладные задачи: коллаборативное редактирование, чаты/мессенджеры, социальные фиды и уведомления (чтобы ответы шли после исходных сообщений), офлайн‑взаимодействие клиентов с последующей синхронизацией (например, мобильные приложения), многие игровые сценарии, где важен локальный причинный порядок.
- Как достигается: отслеживание зависимостей — векторные часы / dotted version vectors, dependency tracking (COPS), алгоритмы с логическими/гибридными часами (HLC), GentleRain (физические часы + минимальная синхронизация), Orbe, Eiger; можно сочетать с CRDT для автоматической сходимости (Causal+ — causal consistency + convergent conflict resolution).
- Примеры систем: COPS, Eiger, GentleRain, SwiftCloud (causal+CRDT).
- Компромиссы: хранение/передача метаданных (векторные часы) растёт с числом реплик/клиентов; реализация сложнее, чем eventual, но даёт лучшее UX без сильной координации.
Краткая практическая подсказка (как выбирать)
- Нужна строгая корректность и линейное поведение — strong (консенсус: Paxos/Raft).
- Нужна максимальная доступность/низкая задержка, и приложение может разрешать конфликты или использовать CRDT — eventual (gossip, anti‑entropy, CRDT).
- Нужен порядок событий/причинность, но без глобального барьера синхронизации — causal (векторные часы / COPS / GentleRain; можно + CRDT для автоматической сходимости).
Замечания по сочетаниям
- CRDT: часто применяется в eventual и causal+ сценариях для обеспечения детерминированной сходимости без координации.
- Консенсус (Paxos/Raft) обеспечивает strong для небольших согласованных групп (реплика‑групп); масштабируют через шардирование/partitioning.
- Многие практические СУБД позволяют «настраивать» модель: т. н. tunable consistency (Cassandra/Dynamo‑style) — выбирать между доступностью и согласованностью в запросе.
Если нужно, могу привести короткую таблицу с примерами систем и алгоритмов.