Cosmos DB的5种事物一致性

TP和AP最重要的区别就是事物。事务是指对系统进行的一组操作,为了保证系统的完整性,事务需要具有ACID特性,具体指原子性(Atomic)一致性(Consistency)隔离性(Isolation)持久性(Durability)。

微软Build 2017发布的Cosmos数据库比较有意思,同时支持5个级别一致性。

一致性指的是事务的执行必须使资料库从一个一致性状态迁移至另一个一致性状态,事务的一致性决定了一个系统设计和实现的复杂度。

最常见的两种模式是强制一致性(Strong consistency)与最终一致性(EventuallyConsistency),但Azure Cosmos DB额外提供了介于上述两者之间的 有边界一致性( Bounded Staleness)、事物一致性(Session)与单调一致性(ConsistentPrefix)等模式,允许开发人员依据程式的需求选择适用的模式。

事务可以不同程度的一致性:

  1. 强一致性:读操作可以立即读到提交的更新操作
  2. Bounded Staleness:提交的更新操作,不一定立即会被读操作读到,此种情况会存在一个不一致窗口,指的是读操作可以读到最新值的一段时间。
  3. 会话一致性:保证客户端和服务器交互的会话过程中,读操作可以读到更新操作后的最新值。
  4. 单调一致性:如果一个进程已经读到一个值,那么后续不会读到更早的值。
  5. 最终一致性:是弱一致性的特例。事务更新一份数据,最终一致性保证在没有其他事务更新同样的值的话,最终所有的事务都会读到之前事务更新的最新值。如果没有错误发生,不一致窗口的大小依赖于:通信延迟,系统负载等。

Cosmos DB在许多方面借鉴了DocumentDB,这不足为奇。其中一个方面就是拥有可调整的一致性模型(consistency model)。如果你平时不常考虑全局分布式数据库,那么一致性模型对你来说根本不是那么重要,但是大多数与之竞争的数据库系统(包括谷歌最近发布的Cloud Spanner,https://cloud.google.com/spanner/)只有两种一致性模型:强一致性(strong consistency)和最终一致性(eventualconsistency)。比如说,就强一致性而言,只要数据被写入到数据库,所有的不同节点(这些节点可能分布于全球各地的数据中心)都要先就一个新的值达成一致,之后新的值才出现在应用程序中。任何时刻,任何用户或节点都可以读到最近一次成功更新的副本数据。由于这种方法增添了延迟,这在性能方面显然存在着一些不足。最终一致性实际上是一种比较宽容的系统;所有节点并不同时更新,而是只有在一段时间没有任何最近的更新后,才就某个值达成一致。

CosmosDB不同寻常的地方在于,它提供了不同的一致性模型,那样用户可以在获得多强的一致性与承受多大的性能开销之间作一个取舍。比如说,对于Cosmos DB(以及之前的DocumentDB)而言,那意味着,你可以选择这种一致性模型:允许读取操作比写入操作只延后某一段时间(毫秒级),也可以选择这种一致性模型:专注于为某种特定的客户会话提供一致性(比如在类似Twitter的应用中),但是每个用户在同一时间(或者以完全一样的顺序)看到每次写入的数据又不是那么重要。

ACID另外三个概念分布是:

1.原子性(Atomic) 一个事务包含多个操作,这些操作要么全部执行,要么全都不执行。实现事务的原子性,要支持回滚操作,在某个操作失败后,回滚到事务执行之前的状态。 回滚实际上是一个比较高层抽象的概念,大多数DB在实现事务时,是在事务操作的数据快照上进行的(比如,MVCC),并不修改实际的数据,如果有错并不会提交,所以很自然的支持回滚。 而在其他支持简单事务的系统中,不会在快照上更新,而直接操作实际数据。可以先预演一边所有要执行的操作,如果失败则这些操作不会被执行,通过这种方式很简单的实现了原子性。 2. 隔离性(Isolation) 并发事务之间互相影响的程度,比如一个事务会不会读取到另一个未提交的事务修改的数据。在事务并发操作时,可能出现的问题有: 脏读:事务A修改了一个数据,但未提交,事务B读到了事务A未提交的更新结果,如果事务A提交失败,事务B读到的就是脏数据。 不可重复读:在同一个事务中,对于同一份数据读取到的结果不一致。比如,事务B在事务A提交前读到的结果,和提交后读到的结果可能不同。不可重复读出现的原因就是事务并发修改记录,要避免这种情况,最简单的方法就是对要修改的记录加锁,这回导致锁竞争加剧,影响性能。另一种方法是通过MVCC可以在无锁的情况下,避免不可重复读。 幻读:在同一个事务中,同一个查询多次返回的结果不一致。事务A新增了一条记录,事务B在事务A提交前后各执行了一次查询操作,发现后一次比前一次多了一条记录。幻读是由于并发事务增加记录导致的,这个不能像不可重复读通过记录加锁解决,因为对于新增的记录根本无法加锁。需要将事务串行化,才能避免幻读。 事务的隔离级别从低到高有: Read Uncommitted:最低的隔离级别,什么都不需要做,一个事务可以读到另一个事务未提交的结果。所有的并发事务问题都会发生。 Read Committed:只有在事务提交后,其更新结果才会被其他事务看见。可以解决脏读问题。 Repeated Read:在一个事务中,对于同一份数据的读取结果总是相同的,无论是否有其他事务对这份数据进行操作,以及这个事务是否提交。可以解决脏读、不可重复读。 Serialization:事务串行化执行,隔离级别最高,牺牲了系统的并发性。可以解决并发事务的所有问题。 通常,在工程实践中,为了性能的考虑会对隔离性进行折中。

3. 持久性(Durability) 事务提交后,对系统的影响是永久的。

原文发布于微信公众号 - 大数据和云计算技术(jiezhu2007)

原文发表时间:2017-05-18

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏Java Edge

计算机网络之运输层1 功能2 UDP与TCP异同可靠传输的工作原理可靠传输的实现TCP 报文段的首部格式TCP 的流量控制TCP的拥塞控制

4298
来自专栏北京马哥教育

高性能服务端漫谈

一、背景 进入多核时代已经很久了,大数据概念也吵得沸沸扬扬,不管你喜欢不喜欢,不管你遇到没遇到,big-data或bigger-data都必须正视. 处理大数...

2928
来自专栏Kirito的技术分享

深入理解RPC之服务注册与发现篇

在我们之前 RPC 原理的分析中,主要将笔墨集中在 Client 和 Server 端。而成熟的服务治理框架中不止存在这两个角色,一般还会有一个 Registr...

44410
来自专栏Java Edge

MySQL的分库分表1分库分表的几种形式2分片前的准备

2796
来自专栏腾讯开源的专栏

TARS为SpringCloud提供高性能的RPC能力

9485
来自专栏木可大大

漫谈Web缓存架构

目前,Web应用的核心数据通常存放在数据库中,比如说用户信息、订单信息、交易信息等,同时,数据库和编程语言是无关的,通过SQL交互,Java、Php等语言写的程...

42310
来自专栏歪先生_自留地

通信协议初选之MQTT

701
来自专栏武培轩的专栏

《从Paxos到Zookeeper:分布式一致性原理与实践》第一章读书笔记

第一章主要介绍了计算机系统从集中式向分布式系统演变过程中面临的挑战,并简要介绍了ACID、CAP和BASE等经典分布式理论,主要包含以下内容:

661
来自专栏Linyb极客之路

分布式定时任务调度框架之elastic-job简介

1503
来自专栏Spark学习技巧

大数据基础系列之kafka知识点和优点

一,流式平台介绍 1,一般来说一个通用的流平台必须具备以下三个重要的能力: 1),能够允许你订阅和发布流式消息。在这方面,它类似于消息队列或企业消息系统。 2)...

2615

扫码关注云+社区