复制与一致性模型

数据复制到多台机器后，"读到的值"取决于副本的状态——一致性模型定义各副本间可以差多少。本章讲线性一致性、顺序一致性、因果一致性、最终一致性的定义与区别，每种模型允许什么异常、需要什么协调，以及 CRDT 如何在无协调下收敛（→ 复制与分片）。

一致性模型的谱系

从强到弱：

模型	承诺	需要的协调	允许的异常
线性一致	每个操作在调用与返回之间原子生效，全局顺序与实时顺序一致	最强（多数派 + 实时钟）	无
顺序一致	所有进程看到同一个全序，但不必与实时顺序一致	强（全序）	时间戳上看"乱序"
因果一致	因果相关的操作按序可见，并发的可以乱序	弱（只对因果对）	无关操作的乱序
最终一致	停止更新后副本最终收敛	无	任意旧读

线性一致性 = 像单机一样：每个操作看起来在调用与返回之间的某个瞬间原子地生效，且全局顺序与实时顺序一致。读写例子：写 x=1 提交后，任何后续读必须看到 1（包括并发开始的读，若在其返回前完成）。

代价：每次读写都要跨多数派往返（协调），延迟受最慢副本约束。ZooKeeper/etcd 的读（可选线性）、etcd 的写、Spanner 的读写事务是线性一致的。需要强一致的场景：锁、选举、唯一性约束——必须线性一致，否则分布式锁会同时给两人（→ 协调服务与实践模式）。

顺序一致性：所有进程看到同一个全序，但不要求与实时顺序一致——"像单机但允许时间倒流"。实现上仍需全序协调，实践中少用（实现难度与线性一致相当，承诺更弱）。
因果一致性：因果相关的操作按序可见（你回复的帖子，别人必须先看到原帖），并发操作可以乱序——"无需共识的最强模型"。代价低（副本间只交换因果向量），适合社交流、评论。读己之写与单调读由因果一致性保证。

最终一致：停止更新后副本最终收敛——期间任意旧读都允许。"最终"可以是毫秒（同城复制）也可以是分钟（跨洋）。

弱到几乎无承诺，但有收敛性保证的变体：

CRDT（无冲突复制数据类型）：以限制操作类型换取无冲突合并——操作设计成可交换（commutative）与幂等的，副本以任意顺序合并都收敛：
- 计数器（G-Counter：每个节点自己的分量取 max 求和）；
- 集合（OR-Set：加法带唯一标签，删除只删标签）；
- 序列（文本编辑的 RGA）——协作编辑器（Figma、Google Docs 风格）的数学基础。

CRDT 如何在无协调下收敛：把"合并"变成可交换的数学运算——冲突不是被解决，而是不存在（任意顺序合并同结果）。代价是操作集受限与空间开销（标签、向量）。

写 x=1（主库），复制延迟 100ms：

选择模型 = 承诺多少顺序 vs 付出多少协调：线性一致每请求跨多数派（慢），因果一致只对因果对协调（快），最终一致无协调（最快最弱）。