[论文解读] Causal Consistency: Beyond Memory

Matthieu Perrin, Achour Mostéfaoui+1 more|arXiv (Cornell University)|Mar 14, 2016

Distributed systems and fault tolerance参考文献 23被引用 21

一句话总结

本文提出了一种基于顺序规范的通用框架，用于在任意抽象数据类型上实现因果一致性，区分了三种变体：弱因果一致性、因果收敛和因果一致性。它形式化了三者之间的关系，表明因果一致性是因果内存的推广，可在无等待的分布式系统中实现高效且可组合的一致性。

ABSTRACT

In distributed systems where strong consistency is costly when not impossible, causal consistency provides a valuable abstraction to represent program executions as partial orders. In addition to the sequential program order of each computing entity, causal order also contains the semantic links between the events that affect the shared objects -- messages emission and reception in a communication channel , reads and writes on a shared register. Usual approaches based on semantic links are very difficult to adapt to other data types such as queues or counters because they require a specific analysis of causal dependencies for each data type. This paper presents a new approach to define causal consistency for any abstract data type based on sequential specifications. It explores, formalizes and studies the differences between three variations of causal consistency and highlights them in the light of PRAM, eventual consistency and sequential consistency: weak causal consistency, that captures the notion of causality preservation when focusing on convergence ; causal convergence that mixes weak causal consistency and convergence; and causal consistency, that coincides with causal memory when applied to shared memory.

研究动机与目标

• 解决在共享内存之外缺乏一种通用且可扩展的因果一致性方法的问题，特别是针对队列或计数器等复杂数据类型。
• 形式化并比较因果一致性的三种变体，以明确其关系与权衡。
• 将因果一致性确立为因果内存的推广，适用于任何具有顺序规范的抽象数据类型。
• 证明因果一致性与因果收敛是可在无等待分布式系统中与最终一致性共存的最强一致性准则。
• 为实现高效、因果一致的分布式数据类型提供形式化基础，而无需对每种类型进行依赖分析。

提出的方法

• 基于抽象数据类型的顺序规范定义因果一致性，避免对每种数据类型进行特殊分析。
• 引入一种使用时间戳 (vt, i) 的虚拟时间机制，以跟踪分布式系统中各进程之间的因果顺序。
• 使用因果广播传播带时间戳的写操作，确保消息传递过程中因果顺序得以保持。
• 基于时间戳 (vt, i) 在写操作上构建一个全序 ≤，将因果顺序扩展为线性化顺序。
• 定义一个线性化函数 π，将历史记录映射为与全序一致的序列，确保所有读操作返回的值均与因果前驱一致。
• 通过基于虚拟时间戳的线性化论证，证明任何由该算法接受的历史记录均满足因果收敛和因果一致性。

实验结果

研究问题

• RQ1 如何将因果一致性推广到共享内存之外的任意抽象数据类型，而无需对每种类型进行依赖分析？
• RQ2 弱因果一致性、因果收敛和因果一致性之间的形式化区别与关系是什么？
• RQ3 因果一致性能否在无等待分布式系统中高效实现，其与最终一致性和顺序一致性有何关系？
• RQ4 当应用于共享寄存器时，因果一致性是否等价于因果内存，其如何推广该模型？
• RQ5 哪些一致性准则可在无等待系统中共存，设计可扩展的因果一致系统时的根本权衡是什么？

主要发现

• 因果一致性将因果内存推广至任何具有顺序规范的抽象数据类型，为分布式系统中的一致性提供了统一基础。
• 因果收敛被识别为弱因果一致性与最终一致性分支自然结合的结果，使无等待系统中的可组合性成为可能。
• 因果一致性涵盖了弱因果一致性与流水线一致性，使其成为因果感知一致性的一致性统一准则。
• 所提出的算法确保所有由实现接受的历史记录均具有因果收敛性，该结论通过基于虚拟时间戳的线性化论证得到证明。
• 证明了弱因果一致性是可与最终一致性及流水线一致性在无等待系统中共存的最小公分母。
• 本文确立了因果一致性与因果收敛是可在无等待分布式系统中与最终一致性共存的最强一致性准则，解决了分布式系统设计中的一个关键权衡问题。