当我们谈论分布式数据库的一致性时，实质上是在谈论数据一致性和事务一致性两个方面。
逻辑上的一份数据同时存储在多个物理副本上，自然带来了数据一致性问题。
状态一致性是指，数据所处的客观、实际状态所体现的一致性；
操作一致性是指，外部用户通过协议约定的操作，能够读取到的数据一致性。
最终一致性，在语义上包含了很大的不确定性，所以很多时候并不是直接使用，而是加入一些限定条件，也就衍生出了若干种一致性模型。因为它们是在副本不一致的情况下，进行操作层面的封装来对外表现数据的状态，所以都可以纳入操作视角。
一致性模型：
- 写后读一致性，自己写入成功的任何数据，下一刻一定能读取到，其内容保证与自己最后一次写入完全一致。系统可以通过某种策略由写入节点的主副本 R1 负责后续的读取操作，这样就实现了写后读一致性。
- 单调一致性，一个用户一旦读到某个值，不会读到比这个值更旧的值。可以是将用户与副本建立固定的映射关系，比如使用哈希算法将用户 ID 映射到固定副本上，这样避免了在多个副本中切换。
- 前缀一致性，要实现这种一致性，可以增加一种显式的因果关系，这样系统可以据此控制在其他进程的读取顺序。
- 线性一致性，依赖时间，将操作记录在一条时间线上，需要一个绝对时间，也就是全局时钟。
- 因果一致性，有因果关系的事件顺序是可以比较的，可以建立逻辑时钟，借助逻辑时钟仍然可以建立全序关系，当然这个全序关系是不够精确的。因为如果两个事件并不相关，那么逻辑时钟给出的大小关系是没有意义的。
此文章为6月Day4学习笔记，内容来源于极客时间《分布式数据库30讲》
