架构杂谈《三》 一致性问题
前面的《架构杂谈一》和《架构杂谈二》 杂谈了从服务化到微服务架构的演进，并肯定了服务化和微服务架构是一脉相承的。微服务在服务化架构的基础上，对服务化的细节和方案进行了优化和细化，重点突出了无中心化管理的微服务架构，通过对服务进行有效的拆分来实现敏捷开发和自动化部署，并在海量用户的请求下，提高了微服务架构下较细粒度的水平伸缩能力。
然而，微服务架构并不是万能的它可以说就是一把双刃剑，我们在享受它带来的便利的同时，也会遇到数据和服务之间不一致性的问题，在为服务架构下多个服务通过非可靠的网络通信，如何让服务之间高效的通信和协作，如何解决系统之间状态不一致等问题，这可以说是我们在使用微服务架构后不得不面对的问题。
1、什么是一致性一致性是一个抽象的概念，在不同的场景下有不同的含义，在传统IT时代，一致性通常指强一致性，在杂谈互联网时代的一致性之前，我们先了解一下互联网时代的特点：
互联网时代信息量大，需要非常强大的计算能力
互联网时代要求对用户的响应速度快，还要求吞吐量指标向外扩展（水平伸缩）
通过这些个互联网时代的特点分析后，我们发现单节点的服务器无法满足人们的需求，服务节点开始池化。但是池化不是越多越好的（常言说，人多不一定能解决所有问题），还得有序、合理的分配任务，并有效的进行管理，于是在互联网时代讨论最多的话题就是拆分。拆分又一般分为水平和垂直，这不单指对数据库或者缓存的拆分，主要是表达一种分而治之的思想和逻辑
水平拆分：由于单一节点无法满足性能的需求，需要扩展成多个节点，多个节点之间具有一致的功能，组成一个服务池，一个节点服务一部分的请求量，所有节点共同处理大规模的高并发的请求量。
垂直拆分：按照功能进行拆分，把一个复杂的功能拆分成多个单一、简单的功能，由于每个功能职责单一、简单，使得维护和变更变的更容易、简单和安全，所以更易于产品迭代，还能够快速地进行敏捷发布和上线。
在这样的一个互联网时代，一致性指分布式服务化之间的弱一致性，包括应用系统的一致性和数据的一致性。
无论是水平还是垂直拆分，都解决了特定场景下的特定问题，然而，拆分后的系统或者服务化的系统的最大问题就是一致性问题。
2、解决一致性问题的思路1、ACID
如何保证一致性问题呢？我们在学习关系性数据库时都学习了ACID原理，这里简单的对ACID做个介绍。
A：原子性
C：一致性
I：隔离性
D：持久性
具有ACID特性的数据库支持强一致性，强一致性代表数据库本身不会出现不一致，每个事务都是原子的（要么成功要么失败），事务间是隔离的，互相不受影响。最终状态是持久的。因此，数据库会从一个明确的状态过渡到另外一个明确的状态，中间的临时状态是不会出现的。如果出现也会及时地自动修复，因此是强一致性的。然而，前面提到，互联网项目大多数具有大规模、高并发的特性，必须使用拆分的理念。即使使用关系型数据库，单机是难以满足存储和吞吐量上的性能需求。由于业务规则的限制，我们无法将相关数据分到同一个数据库分片，这时就需要实现最终一致性。
2、CAP
由于对系统或者数据进行了拆分，我们的系统不再是单机系统，而是分布式系统。针对分布式系统的CAP原理有三个元素。
C：一致性。在分布式系统中的所有数据备份，在统一时刻具有相同的值，所有节点在同一时刻读取的数据都是最新的数据副本。（Consistency）
A：可用性，好的响应性能。完全的可用性指的是在任何故障模型下，服务都会在有限的时间内处理完成并进行响应。（Availability）
P：分区容忍性。尽管网络上有部分消息丢失，但系统仍然可继续工作。（Partition tolerance）
CAP原理说明，任何分布式系统只可满足以上两点，无法三者兼顾。由于关系型数据库是单节点无复制的，因此不具有分区容忍性，但是具有一致性和可用性。而分布式的服务化系统都需要满足分区容忍性，这就需要我们在一致性和可用性两者中进行权衡选择。
3、BASE
eBay的架构师Dan Pritchett源于对大规模分布式系统的实践总结，在ACM上发表文章提出BASE理论，BASE理论是对CAP理论的延伸，核心思想是即使无法做到强一致性（Strong Consistency，CAP的一致性就是强一致性），但应用可以采用适合的方式达到最终一致性（Eventual Consitency）。（BASE 思想解决了CAP提出的分布式系统的一致性和可用性不可兼得的问题）