最终一致性 (Eventual Consistency)

最终一致性 是分布式写场景中应用最广、性能最强的模型。

核心概念

它不保证写操作立即对所有节点可见，但保证在没有新写操作的情况下，经过一段时间后，所有副本的数据最终会达成一致。

sequenceDiagram
    participant Client as 客户端
    participant NodeA as 节点 A
    participant NodeB as 节点 B

    Note over NodeA, NodeB: 初始状态 X=0 (一致)
    
    Client->>NodeA: 1. 发起写请求 (X=1)
    NodeA->>NodeA: 更新本地数据
    NodeA-->>Client: 2. 返回写成功 (立即返回)

    rect rgb(255, 240, 240)
    Note over NodeA, NodeB: 不一致窗口期 <br>(Inconsistency Window)
    Note right of NodeA: A=1, B=0
    end

    NodeA-->>NodeB: 3. 异步同步数据
    Note over NodeA, NodeB: 经过收敛时间 (T)
    
    rect rgb(240, 255, 240)
    Note over NodeA, NodeB: 最终状态 X=1 (一致)
    Note right of NodeA: A=1, B=1
    end

• 高性能：写操作只需写入本地或少数副本即可返回，延迟极低。
• 弱顺序性：系统允许不同副本以不同的顺序处理更新（顺序不敏感），并最终通过特定的策略（如“最后写入者胜”或 CRDT）来解决数据冲突，确保最终结果收敛。

实现手段

• 异步复制：主从架构下的后台异步同步。
• Gossip 协议：节点间通过“流言”方式互相交换数据，最终达成共识。
• 最后写入者胜 (LWW)：基于时间戳覆盖旧值。

适用场景

• 文章点赞数、视频播放量。
• 非核心业务的配置分发。
• DNS 系统。