分布式系统中的最终一致性与MapReduce模式解析
1. 最终一致性概述
在分布式系统中，数据值不再是最新的被称为陈旧数据（stale data）。有时，用户能够看到陈旧数据。当用户看到已知的陈旧数据，并且在看到最新数据之前存在延迟时，我们将这种情况称为最终满足（eventual satisfaction）。例如，在线“购买”门票，结果发现票已售罄，这就是最终一致性（eventual consistency）的一个实例。
像Windows Azure、亚马逊网络服务（Amazon Web Services）、谷歌应用引擎（Google App Engine）等云平台，在多种情况下都具有最终一致性。以CloudFront（亚马逊的全球CDN服务）和Traffic Manager（Windows Azure的全球负载均衡服务）为例，在激活这些全球服务后，需要数分钟才能将其传播到世界各地的节点。
2. CAP定理与数据库特性
2.1 关系型数据库的ACID特性
传统的关系型数据库提供四种所谓的ACID保证：
-原子性（Atomicity）：事务要么全部完成，要么全部不完成。
-一致性（Consistency）：根据模式约束，数据始终有效。
-隔离性（Isolation）：竞争更改同一数据的事务按顺序执行。
-持久性（Durability）：已提交的更改不会丢失。
这些保证最初是在数据库运行于单个节点的环境中产生的
