作為分布式強一致數據庫的開發者, 被多次問到:

如果我在新加坡和歐洲同時修改一條記錄, 如在新加坡 set a=1, 在歐洲 set a=2, 結果 a 是多少?

我的回答是:

可能是 a=1, 也可能是 a=2.

然后提問者會非常困惑和不滿:

你不是說數據庫是強一致的嗎? 為什么結果不確定呢?

我非常理解他的困惑, 但是, 他所提到的"并發操作"和"一致性"并沒有必然的聯系.

并發

Martin Kleppmann 提到并發(Concurrency)的定義:

For defining concurrency, exact time doesn’t matter: we simply call two operations concurrent if they are both unaware of each other, regardless of the physical time at which they occurred.

要定義并發, 時間并不是一個影響因素: 如果兩個操作不知道對方(的開始和結束以及結果), 無論物理時間上他們何時發生, 我們都稱這兩個操作是并發的.

有這樣的例子:

于 00:00:00 時間, 向服務器發起請求 A, 服務器一直沒有返回結果. 然后, 于 00:00:03 時間(顯然在上一個請求發起"之后"), 再向服務器發起請求 B.

那么, 是不是我們就能說 B 是在 A 之后呢? 結論是不能, 這兩個操作是并發操作! 雖然我們明確知道 B 是在 A 發起之后才發起, 但在 B 發起之時, (B)并不知道 A 的結果, 根據 Martin Kleppman 的定義, 兩個操作是并發的.

從時間區間上面來理解并發, 可能會更好. 一個操作由開始時間點和結束時間點, 組成一個時間區間, 如果兩個操作的時間區間有重疊, 則這兩個操作無法區分先后.

另一種定義并發的方法是:

Martin Kleppmann:  An operation A happens before another operation B if B knows about A, or depends on A, or builds upon A in some way. 

如果不屬于此種情況, 即為并發.

一致性

一致性和3個因素密切相關:

• 先后順序
• 時間
• 空間

我所理解, 一致性便是唯一預期. 也就是給定輸入條件, 能推導出唯一的結果. 對于某個操作場景, 無論我們重復驗證多少次, 觀察多少次(時間), 在哪里觀察(空間), 結果都恒定.

如果讀操作(觀察)是在寫操作之后, 那么觀察結果就是我們所預期的那一個確定的結果.

如果讀操作和寫操作是并發的, 那么, 可能觀察到舊值, 也可能觀察到新值. 但是, 一旦觀察到新值, 之后便不可能再觀察到舊值(也即 Linearizable 的意思).