CAP原则又称CAP定理，指的是在一个分布式系统中， Consistency（一致性）、 Availability（可用性）、Partition tolerance（分区容错性），三者不可得兼。一致性（C）：在分布式系统中的所有数据备份，在同一时刻是否同样的值。（等同于所有节点访问同一份最新的数据副本）强一致性：简而言之，就是在任意时刻，所有节点中的数据都是一致的；弱一致性：数据更新后，如果能容忍
一致变量背景一致变量（Uniform Variables）。一致变量和普通属性的区别：普通变量所包含的数据是顶点具体化的，所以在每个着色器引入的时候它们将从顶点缓冲区加载一个新的值；但是一致变量的值在整个draw call中保持不变。这意味着你在draw call之前加载一直变量的值之后，你可以在每一个顶点着色器引入的时候总可以取得相同的值。一致变量主要的作用是保存像光照参数（光的位置和方向等）、
转载
2023-07-18 15:21:53
134阅读
单机、单点、单实例缺点：1.单点故障 2.容量有限 3. 压力强一致性主从复制、读写分离会带来数据一致性问题1.通过强一致性来解决，即主redis 进行阻塞，直到从redis写成功。弱一致性强一致性带来阻塞问题，可能会等待很久1.通过异步方式解决强一致性问题，但是会丢失一部分数据最终数据一致性弱一致性会带来数据丢失问题1.通过类似kafka 可靠集群来保证最终数据一致性&n
转载
2023-09-03 11:43:29
178阅读
数据库系统必须维护事务的以下特性(简称ACID)：原子性(Atomicity)一致性(Consistency)隔离性(Isolation)持久性(Durability)⑴ 原子性(Atomicity)原子性是指事务包含的所有操作要么全部成功，要么全部失败回滚，因此事务的操作如果成功就必须要完全应用到数据库，如果操作失败则不能对数据库有任何影响。⑵ 一致性(Consistency)一致性是指事务必须
转载
2023-08-08 08:19:05
94阅读
一致性Hash算法背景 一致性哈希算法在1997年由麻省理工学院的Karger等人在解决分布式Cache中提出的，设计目标是为了解决因特网中的热点(Hot spot)问题，初衷和CARP十分类似。一致性哈希修正了CARP使用的简单哈希算法带来的问题，使得DHT可以在P2P环境中真正得到应用。 但现在一致性hash算法在分布式系统中也得到了广泛应用，研究过memcached缓存数据库的人都知道，
转载
2023-08-17 11:43:17
108阅读
CAP原理与最终一致性 强一致性 弱一致性介绍内容转载自：://.blogjava.net/hello-yun/archive/2012/04/27/376744.html CAP原理中，有三个要素...
转载
2019-11-07 09:39:00
702阅读
2评论
一致性备份（consistent backup）的含义是，备份所包含的各个文件中的所有修改都具备相同的系统变化编号（system change number，SCN）。 也就是说，备份所包含的各个文件中的所有数据均来自同一时间点。与非一致性备份（inconsistent backup）不同， 使用一致性数据库完全备份（consistent whole
原创
2016-10-01 19:28:12
5303阅读
# 实现“redis强一致性弱一致性”指导
## 一、流程图
```mermaid
erDiagram
CUSTOMER ||--o| REDIS : 使用
REDIS ||--o| CUSTOMER : 学习
```
## 二、步骤及代码示例
### 步骤一：了解Redis的强一致性和弱一致性概念
强一致性是指在分布式系统中，保证所有节点的数据都是一致的，即读取到的数据
什么是一致性一致性问题主要是因为分布式系统中的多个节点之间可能存在网络延迟、故障等原因导致的。具体而言，分布式系统中的数据一致性问题可以分为以下几种类型：强一致性：指在任何时间点，所有节点中的数据都是一致的。这种一致性要求最高，但是实现起来比较困难，需要付出更高的代价。弱一致性：指在一定时间内，所有节点中的数据最终会达到一致。这种一致性要求相对较低，但是在实现时需要考虑更多的因素。最终一致性：指在
CAP原理与最终一致性 强一致性 弱一致性介绍CAP原理中，有三个要素...
转载
2019-11-07 09:39:00
733阅读
2评论
截取了本人新书《分布式系统与一致性》中的一章，发在dbaplus上，转回到自己的博客。这一章，自认为是非常精彩的一章。很多分布式系统在一致性方面都不是一蹴而就的，即便它非常成功。GFS（Google File System）是Google公司开发的一种分布式文件系统。虽然GFS在Google公司内部被广泛使用，但是在相当长的一段时间里它并不为人所知。2003年，Google发表一篇论文[1]详细描
一致性哈希算法在1997年由麻省理工学院提出的一种分布式哈希（DHT）实现算法，设计目标是为了解决因特网中的热点(Hot spot)问题，初衷和CARP十分类似。一致性哈希修正了CARP使用的简 单哈希算法带来的问题，使得分布式哈希（DHT）可以在P2P环境中真正得到应用。
一致性hash算法提出了在动态变化的Cache环境
Redis和MySQL如何保持数据一致性？强一致性,弱一致性,最终一致性
原创
2023-01-17 18:50:00
543阅读
Kafka的也存在Leader和Follow节点，这样就会有一致性问题。 文章目录一、kafka是什么？二、kafka生产者和消费者如何保证消息不丢失和重复1.kafka的ack机制2.kafka的三种消费策略3.什么是ISR总结 一、kafka是什么？Kafka是由Apache软件基金会开发的一个开源流处理平台，由Scala和Java编写。Kafka是一种高吞吐量的分布式发布订阅消息系统，它可以
传统关系型数据库面临的挑战l High Performance——对数据库高并发读写的需求l Huge Storage——对海量数据的高效率存储的需求l High Scalability & High Availablity——对数据库的高可扩展性和高可用性的需求。 对于当前的很多网站来说，
Data LogicaI Consistency；
指数据在数据结构、数据格式和属性编码正确性方面，尤其是拓扑关系上的一致性。
逻辑一致性（logical consistency）与矛盾（Contradiction）相对；
也即逻辑上的一致（logically consistent）＝ 没有逻辑矛盾（no logical contraction）
转载
2017-03-04 10:48:00
1286阅读
Data LogicaI Consistency；
指数据在数据结构、数据格式和属性编码正确性方面，尤其是拓扑关系上的一致性。
逻辑一致性（logical consistency）与矛盾（Contradiction）相对；
也即逻辑上的一致（logically consistent）＝ 没有逻辑矛盾（no logical contraction）
转载
2017-03-04 10:48:00
1326阅读
2评论
关于事务的四个特性、事务的隔离级别、事务的并发问题事务的四个特性MySQL事务，首先要提他的四大特性（ACID），正是这些特性，才保证了数据库事务的安全性。原子性（Atomicity）一致性（Consistent）隔离性（Isolation）持久性（Durable）原子性原子性是指一个事务是一个不可分割的工作单位，其中的操作要么都做，要么都不做；如果事务中一个sql语句执行失败，则已执行的语句也必
原文《08 | 事务到底是隔离的还是不隔离的？-极客时间》讲的比较分散，一些关键知识点下面的评论也是五花八门；本文对这一节内容做一个梳理，先将简单的概念如"事务的启动时机"、"视图"、"秒级创建快照"拎出来解释，然后通过文章中的几个例子说明"一致性读"和"当前读"；08 | 事务到底是隔离的还是不隔离的？事务的启动时机？第一种启动方式：一致性视图是在执行事务过程中的第一个查询语句时创建
转载
2023-08-09 00:14:03
106阅读
前言一致性哈希算法(Consistent Hashing)在分布式系统的应用还是十分广泛的，本文尽量结合业务场景快速讲解一致性哈希算法的应用及与其相关的话题。1 分布式缓存随着业务的扩展，流量的剧增，单体项目逐渐划分为分布式系统。对于经常使用的数据，我们可以使用Redis作为缓存机制，减少数据层的压力。因此，重构后的系统架构如下图所示：优化最简单的策略就是，把常用的数据保存到Redis中，为了实现
转载
2023-06-02 14:49:59
211阅读
