老刘是一名即将找工作的研二学生，写博客一方面是复习总结大数据开发的知识点，一方面是希望能够帮助和自己一样自学编程的伙伴。由于老刘是自学大数据开发，博客中肯定会存在一些不足，还希望大家能够批评指正，让我们一起进步！
今天给各位小伙伴聊聊分布式系统的数据一致性问题，这个一定要从服务器架构部署的发展历程讲起！文章篇幅较长，请大家耐心观看，精彩千万不要错过！
首先要讲的是集中式服务，那集中式是什么？就是事情都由一台服务器搞定。
而集中式系统就是由一台或多台主计算机组成中心节点，数据集中存储于这个中心节点中，并且整个系统的所有业务都在这个中心节点上，系统所有的功能都由它做。
也就是说，在集中式系统中，每个客户端仅仅负责数据的输入和输出，而数据的存储与控制处理完全交给主机完成。
那集中式服务优点：
结构简单
部署简单
项目架构简单
但是它的缺点也是非常明显：
大型主机的研发和维护成本非常高
大型主机非常昂贵
存在单点故障问题，主机一挂，所有服务终止
大型主机的性能扩展受限于摩尔定律
什么是摩尔定律？
摩尔定律是由英特尔（Intel）创始人之一戈登·摩尔（Gordon Moore）提出来的。其内容为：当价格不变时，集成电路上可容纳的元器件的数目，约每隔18-24个月便会增加一倍，性能也将提升一倍。换言之，每一美元所能买到的电脑性能，将每隔18-24个月翻一倍以上。摘自：百度百科
摩尔定律告诉我们：纵向扩展理论上是受限的，所以只能考虑横向扩展，而且从理论上说，横向扩展理论上是不受限的！
那既然纵向扩展受限，我们就去尝试横向扩展，就有了分布式！
1.2. 分布式服务分布式意味着可以采用更多的普通计算机（相对于昂贵的大型机）组成分布式集群对外提供服务。计算机越多，CPU、内存、存储资源等也就越多，能够处理的并发访问量也就越大。
例如一个由分布式系统实现的电子商城，在功能上可能被拆分成多个应用，分别提供不同的功能，组成一个分布式系统对外提供服务。
所以，分布式系统中的计算机在空间上是几乎没有限制的，这些计算机可能被放在不同的机柜上，也可能被部署在不同的机房中，还可能在不同的城市中。
和集中式系统相比，分布式系统的性价比更高、处理能力更强、可靠性更高、也有很好的扩展性。
但是，分布式解决了网站的高并发问题的同时也带来了一些其他问题。
首先，分布式的必要条件就是网络，这可能对性能甚至服务能力造成一定的影响。其次，一个集群中的服务器数量越多，服务器宕机的概率也就越大。另外，由于服务在集群中分布式部署，用户的请求只会落到其中一台机器上，所以，一旦处理不好就很容易产生数据一致性问题。
1.3. 分布式存在的异常1、通信异常：网络不可用（消息延迟或者丢失），会导致分布式系统内部无法顺利进行网络通信，所以可能造成多个节点数据丢失和状态不一致，还有可能造成数据乱序。
2、网络分区：网络不连通，但各个子网络的内部网络是正常的，从而导致整个系统的网络环境被切分成若干个孤立的区域，分布式系统就出现了局部小集群造成的数据不一致。
3、节点故障：服务器节点出现的宕机的现象。
4、存储数据丢失：对于有状态节点来说，数据丢失意味着状态丢失，通常只能从其他节点读取、恢复存储的状态。解决方案：利用多副本机制。
1.4. 衡量分布式系统的性能指标1、性能：这是一个非常让人头疼的问题，追求高吞吐的系统，往往很难做到低延迟；系统平均响应时间较长时，也很难提高QPS。