RWN及Quorum与强一致性

Posted on | Edited on | In | Views:

序

本文主要讨论对等以及主从模型的读写冲突的解决方法。

对等式分布模型

即有多个master，同时接受读写操作

写入冲突

多个人在同时更新同一条数据（对于单机数据库，就是并发问题，可由乐观锁或悲观锁来解决；对于对等分布式模型，则需要保证顺序一致性，即所有节点都保证以相同顺序执行操作）。

读取冲突

从各个节点读取同一个数据的内容不一样。

RWN方案解决读冲突

强一致性：strong consistency（读取的数据都是最新的），要求多少节点才行。

write quorum

假设某份数据需要复制到3个节点，为了保证强一致性，不需要所有节点都确认写入操作，只需要其中两个节点（也就是超半数节点）确认就可以了。在这种情况下，如果发生两个相互冲突的写入操作，那么只有其中一个操作能为超过半数的节点所认可，这就是写入仲裁（write quorum），如果用稍微正规一点的方式说，那就是W>N/2，这个不等式的意思是参与写入操作的节点数W，必须超过副本节点数N的一半，副本节点数又称为复制因子（replication factor）。

read quorum

读取仲裁（read quorum），也就是说想保证能够读到最新的数据，必须与多少个节点联系才行。假设写入操作需要两个节点来确认（W=2），那么我们至少得联系两个节点，才能保证获取到最新数据。然而，假如某些写入操作只被一个节点所确认（W=1），那么我们就必须3个节点都通信一遍，才能确保获取到的数据是最新的。一个情况下，由于写入操作没有获得足够的节点支持率，所以可能会产生更新冲突。但是，只要从足够数量的节点中读出数据，就一定能侦测出此类冲突。因此，即使在写入操作不具备强一致性的情况下，也可以实现除具有强一致性的读取操作来。

RWN

  • R

执行读取操作时所需联系的节点数R

  • W

确认写入操作时所需征询的节点数W

  • N

复制因子N

这三者之间的关系，可以用一个不等式来表述，即只有当R+W>N的时候，才能保证读取操作的强一致性。

实例

对于Riak这样的数据库，可以控制CAP中的参数：N（存取键值对的副本节点数）、R（顺利完成读取操作所需的最小节点数）、W（顺利完成写入操作所需的最小节点数）。假设Riak集群有5个节点，将N设为3，也就是所有数据都要至少复制到3个节点中，将R设为2，即get请求要求有两个节点应答，才能成功，将W设为2，即put请求必须写入到两个节点才算写入完毕。

主从分布式模型

针对主从分布式模型，只需要保证都向master写入数据，就可以避免写入冲突了，类似的，读取操作从master，就可以避免读写冲突/读取不一致了。

参考