InfluxDB为什么能成为排名第一的时序数据库？其一致性实现相比于其他时序数据库究竟有什么样的奥秘？本篇文章通过介绍常用时序数据库的一致性实现、业界通用的一致性实现，InfluxDB企业版的一致性实现来尝试解释这些问题。
一、时序数据库介绍
首先简单回顾下时序数据库，他是存储时序数据的数据库，比如按照时间顺序记录系统、设备状态变化等的数据，其应用场景主要来自监控，业务监控，性能监控，系统监控。常用时序数据库如下：
该图展示了时序数据库的搜索排行榜，可以看到influxdb是远大于第二名的，InfluxDB，在业界也有很多厂商在使用，包括ebay、IBM、CITRIX等。
在详细介绍InfluxDB企业版的一致性实现之前，我们先来看看其他时序数据库是怎么实现一致性的。
（1）OpenTSDB，其基于HBase实现，数据一致性实现依赖于HDFS，如下图所示
其数据的同步是按照pipeline一级一级往下写，全部写好以后再返回。
可见其同步效率并不高，需要将数据都同步到其他节点，才算写完成。
（2）Prometheus，他是一套带有时序数据库的监控系统，其并没有提供数据一致性实现。
我们需要通过部署多套服务实例，实现高可用，但自身没有实现远程存储，而是定义了两个标准接口，用来接入第三方存储
在实际环境中，Prometheus往往也会搭载Influxdb来实现数据的远程存储。
（3）NTSDB，网易云的时序数据库，
其一致性实现和InfluxDB企业版类似，这里不再赘述
下面轮到了我们的主角InfluxDB，首先介绍下1.X版本的架构
官方对于架构的介绍是TICK，即Telegraf负责数据采集，InfluxDB负责数据存储，Chronograf负责一些数据展示，Kapacitor为数据处理引擎
InfluxDB2.X版本将上面的ICK进行了整合。
二、InfluxDB企业版的一致性实现
InfluxDB将数据分为META节点和DATA节点，META节点用来存储关键信息，包括表名等信息，其采用CP模型，共识算法采用RAFT算法。DATA节点，用来存储数据信息，采用AP模型，也就是说DATA节点采用的是最终一致性。
一个节点接收到写请求时，需要将请求中的数据转发到其他节点，但可能存在网络等问题导致数据无法同步，比如上图的节点C，目前业界有几种转发策略，一种为Hinted-handoff。即如果写失败了，则将数据缓存在本地，然后周期性的重试：
重试的间隔、缓存的空间等等都是可以配置，但是周期性的重试仍然可能一直失败。这就导致了数据无法实现最终一致性。
针对这个问题，业界使用反熵来解决，集群中的节点每隔段时间随机选择某个其他节点，互相交换自己所有的数据来消除节点之间的差异。
交换方式有推、拉、推拉三种，像apollo就是使用推拉的方式。但是这有一个问题，就是节点之间的推拉完全是随机的，很有可能很长一段时间都还没同步完所有数据。
而InfluxDB的反熵实现是在反熵的基础上，增加了节点之间同步的顺序：
首先节点A对比修复节点B缺失的数据，然后节点B对比修复节点C缺失的数据，节点C对比修复节点D缺失的数据，节点D对比修复节点A的数据，然后还要把节点C、D的数据同步给B，所以需要再同步给B，以及将节点D的数据同步给C，所以需要再同步一次C。这样便能很快完成数据的同步。
InfluxDB另一个重大的特性是在最终一致性的基础上实现了强一致性，其基于Quorum NWR来实现
下面来介绍下Quorum NWR，其中N为同一份数据的副本数，W为写一致性级别，表示成功完成W个副本数后才算完成更新，R为读一致性级别，表示读取一个数据对象时需要读R个副本，然后选取最新的那个数据。
比如Data－2节点，N为3，代表在三个节点上都有副本，一般N不会大于节点数量，如果大于节点数量，在同一个节点上有多个副本，没有意义。
W为2，代表一定要写两个节点成功后才算更新成功，比如要写完节点A和节点C才算更新成功：
R为2，一定读取两个节点后才算完成，随后选取最新的一条数据
当W + R > N 时，对客户端来说，整个系统保持强一致性，当W + R <= N 时，对客户端来说，整个系统只保证最终一致性
或者说W = N时，读性能比较好。R = N时，写性能比较好
下面来看下InfluxDB的Quorum实现：
InfluxDB 实现四种 Quorum W 模型，any、one、quorum、all
any，任何一个节点写入成功后，或者节点写入失败，但是存入到缓存后，返回成功给客户端
one，任何一个节点写入成功后，返回成功给客户端
quorum，当大多数节点写入成功后，就会返回成功给客户端
all，所有写入成功后，就会返回成功给客户端
quorum实现如下：
all实现如下：
InfluxDB 为了保证读的效率，其Quorum R为1，当我们要实现强一致性时，需要选用Quorum W的all模型
QuorumNWR，也广泛应用在其他AP型的框架中，比如Cassandra，不同的是，其R有多种配置
作者：冯越新
