在计算机科学中，一致性模型（Consistency model）被用于分布式共享内存系统（DSM, distributed shared memory systems）或分布式数据存储（比如：文件系统，数据库，乐观复制系统或者网页缓存）这两大类分布式系统当中。如果对内存的操作满足特定的一致性规则，这个系统就被认为是支持这种一致性模型。数据一致性模型指的是程序员遵循某些规则，让内存数据保持一致，让读，写或更新内存这样的操作变得可预测。这不同于另一个一致性（coherence）概念，Coherence只出现在Cache Coherence 一词中，称为“缓存一致性”，研究的是多核场景，保证多核上的CPU缓存数据一致，一般是单机维度。

数据库事务的一致性

      数据库管理系统在写入或更新资料的过程中，为了保证事务是正确可靠的，必须具备四个特性（ACID）：原子性（atomicity）,一致性（consistency）,隔离性（isolation），持久性（durability）。这里的一致性指的是在事务开始之前和事务结束之后，数据库的完整性没有被破坏。这表示写入的资料必须完全符合所有的预设约束、触发器、级联回滚等。ACID是传统数据库常用的设计理念，追求强一致模型。这个概念和数据库的数据是否多副本没有关系。

分布式理论中的一致性

       在一个分布式系统中，一致性（Consistency）,可用性（Availability）,分区容错性（Partition tolerance）三者不可兼得，这个结论叫做CAP理论。这里的一致性指的是所有数据备份，在同一时刻是否具有同样的值。系统一般对外提供的有不同的一致性级别，不同的一致性级别限定了系统允许的操作执行顺序，越严格的一致性模型，意味着性能、可用性或者扩展性等有所损失。架构师Dan Pritchett提出了BASE理论，BASE理论是对CAP理论的延伸，其核心思想是即使无法做到CAP理论中的强一致性，但应用可以采用合适的方式达到最终一致性。  BASE是指基本可用（Basically Available）、软状态（Soft State）、最终一致性（Eventual Consistency）。最终一致性是指系统中所有数据副本经过一定时间后，最终能够达到一致的状态。

强一致性（Strict consistency）

       这是最严格的一种模型，采用全局时钟的约束，任何写操作都能立刻同步到其他所有进程，任何读操作都能读取到最新的修改。这是一种理想的模型，因为瞬时消息交换是不可能的。它解决不了并发写同一数据的冲突问题，因为这个模型的前提是假定并发写入是不可能的。

       在强一致模型中，P1对x执行了写操作，P2就可以立即读到x的值为1；在非强一致模型中，P1对x执行了写操作，P2对x进行读的时候可能先读到的是初始值0，然后读到的是修改后的值1。

顺序一致性（Sequential consistency）

      顺序一致性模型由Lamport 于1979年提出，这种一致性模型比强一致性模型要弱，采用分布式逻辑时钟实现，所有的进程以相同的顺序看到所有的写操作修改，但是读操作未必能及时读到其他进程对同一数据的写更新。顺序一致性可能会产生不确定的结果，因为在程序的不同运行期间，处理器之间的顺序操作顺序可能会有不同，所有内存操作都需要按照程序顺序执行。

      上图表示：P1对x执行了写操作，将x的值写为3，P2对x执行了写操作，将x的值写为了5，P2对x执行读操作的时候，读出的结果是3。由此可见，顺序一致性并不能保证读到的是最新的结果5。

因果一致性（Causal consistency）

因果一致性是一种弱化的顺序一致性，所有进程必须以相同的顺序看到具有潜在因果关系的写操作。不同进程可以以不同的顺序看到并发的写操作。

       在第一个时刻，P1对x进行了写操作，将x的值写为1，P2,P3,P4对x进行读操作，读到的是1；在第二个时刻，P2对x进行了写操作，将x的值写为了2；在第三个时刻，P1将X的值写为了3，P3读的是P1写回后的结果3，P4读的是之前的结果2； 在第四个时刻，P3读取的结果是2，P4读取的结果是3。这里W(x)1和W(x)2就是因果相关，因为P2对X的读操作在P2对X的写操作之前发生。

最终一致性（Eventual Consistency）

       各个节点的数据不一致，可以通过一系列的措施来进行更新补偿，最终达到一致性的要求。这个过程就是最终一致性。强调的是要求最终一致，不需要实时保证系统数据的强一致。

参考：

[1]https://mwhittaker.github.io/blog/an_illustrated_proof_of_the_cap_theorem/

[2] https://en.wikipedia.org/wiki/Consistency_model?spm=a2c6h.12873639.0.0.71e375b9HP0WoA

[3] https://jepsen.io/consistency