[论文解读] Consistency models in distributed systems: A survey on definitions, disciplines, challenges and applications

Hesam Nejati Sharif Aldin, Hossein Deldari+2 more|arXiv (Cornell University)|Feb 8, 2019

Distributed systems and fault tolerance参考文献 22被引用 5

一句话总结

本文提出了一种新型的分布式系统一致性模型分类法，将一致性模型划分为以数据为中心、以客户端为中心和混合型三类，每类进一步细分为传统、扩展和新型子类。该文提出了数学公式来建模行为，并指出滞后（staleness）和违规（violation）是最重要的挑战，证明了一致性对于现代分布式系统（尤其是大数据和云环境）的可扩展性、可用性和性能至关重要。

ABSTRACT

The replication mechanism resolves some challenges with big data such as data durability, data access, and fault tolerance. Yet, replication itself gives birth to another challenge known as the consistency in distributed systems. Scalability and availability are the challenging criteria on which the replication is based upon in distributed systems which themselves require the consistency. Consistency in distributed computing systems has been employed in three different applicable fields, such as system architecture, distributed database, and distributed systems. Consistency models based on their applicability could be sorted from strong to weak. Our goal is to propose a novel viewpoint to different consistency models utilized in the distributed systems. This research proposes two different categories of consistency models. Initially, consistency models are categorized into three groups of data-centric, client-centric and hybrid models. Each of which is then grouped into three subcategories of traditional, extended, and novel consistency models. Consequently, the concepts and procedures are expressed in mathematical terms, which are introduced in order to present our models' behavior without implementation. Moreover, we have surveyed different aspects of challenges with respect to the consistency i.e., availability, scalability, security, fault tolerance, latency, violation, and staleness, out of which the two latter i.e. violation and staleness, play the most pivotal roles in terms of consistency and trade-off balancing. Finally, the contribution extent of each of the consistency models and the growing need for them in distributed systems are investigated.

研究动机与目标

• 为应对在大数据和云计算背景下对分布式系统中一致性模型进行结构化分类的日益增长的需求。
• 识别并分析影响一致性的重要挑战，如延迟、容错性、安全性以及滞后性。
• 提出一种新的三层次分类体系（传统、扩展、新型），适用于以数据为中心、以客户端为中心和混合型的一致性模型。
• 通过数学模型形式化描述一致性模型的行为，以实现精确的行为规范，而无需依赖具体实现。
• 评估一致性、可用性、可扩展性和性能之间的权衡，强调滞后性和违规性作为关键影响因素。

提出的方法

• 提出一种新型的三级分类体系：以数据为中心、以客户端为中心和混合型，每类进一步划分为传统、扩展和新型子类。
• 引入数学公式以描述一致性模型的行为，实现无需实际实现即可进行形式化分析。
• 基于并发性、可见性、隔离性、可用性和延迟等标准，分析分布式架构中的一致性权衡。
• 回顾现有的一致性模型（如最终一致性、因果一致性、顺序一致性），并将其映射到所提出的分类体系中，以明确其关系和使用场景。
• 评估一致性对系统级关注点（如能耗、容错性、服务质量）的影响，特别是在云环境和地理分布系统中。
• 通过中间件实例（如 Indigo、QUELEA、SATURN）说明一致性模型如何在实践中降低延迟并提升性能。

实验结果

研究问题

• RQ1 如何系统性地对分布式系统中的一致性模型进行分类，以反映其在现代架构中的演变角色？
• RQ2 在分布式存储和大数据系统中，一致性、延迟、可用性和能耗之间的关键权衡是什么？
• RQ3 为何滞后性和违规性被认为是一致性模型设计与评估中最关键的挑战？
• RQ4 混合一致性模型如何结合以数据为中心和以客户端为中心模型的优势，以改善系统行为？
• RQ5 对一致性语义进行数学建模在多大程度上能提升分布式系统的设计与分析？

主要发现

• 所提出的分类法——将一致性模型划分为以数据为中心、以客户端为中心和混合型三类，每类包含传统、扩展和新型子类——为理解分布式系统中的一致性提供了全面且结构化的框架。
• 滞后性和违规性被确定为一致性中最具决定性的两大挑战，直接影响系统正确性和用户感知。
• 对一致性行为进行数学建模，可实现对系统语义的精确规范与分析，而无需实际编码实现。
• 最终一致性通过允许临时不一致，有效降低了读写延迟，因此特别适用于大规模、地理分布的系统。
• QUELEA 和 Indigo 等中间件解决方案表明，应用层面对一致性的感知可显著降低最终一致性系统中的延迟并提升服务质量（QoS）。
• 节能型系统如 Caelus 和热冷复制（Hot & Cold replication）表明，因果一致性和最终一致性可显著降低分布式存储中的能耗，尤其在移动和边缘计算环境中。