最终一致性

这一保证是用一致性换可用性的产物：在异步系统公理库异步系统Asynchronous distributed system消息延迟和进程相对速度没有已知有限上界的系统模型。里更新传播需要不可预知的时间，若坚持每次读都返回全局最新值，副本就必须在分区或高延迟时拒绝服务；最终一致性反其道而行，允许副本在传播期间暂时分歧、继续各自应答，只承诺"风波平息后殊途同归"。恰当的心智模型是流言的扩散：消息终会传遍所有人，但在任一时刻不同人听到的版本可能不同。第一印象容易把它当成"稍微弱一点的一致性"，实际落差更大——规格对"中间状态可以多离谱"完全沉默，读到几小时前的值、读到时新时旧来回跳的值，都符合字面定义；一切更强的体验都必须靠显式附加的条款来买。

正例：DNS 缓存是教科书案例——记录更新后，各地解析器在 TTL 内继续返回旧地址，随缓存过期与刷新，全网逐步收敛到新值；期间"新旧并存"完全合法。异步复制的键值存储同理：写入先在本地副本生效并确认，后台再传播到其余副本，宕机或分区不阻塞前台读写。

第一个边界：仅有"更新最终送达"不足以保证收敛。设两个副本并发写同一键，甲写 $x=1$、乙写 $x=2$，随后互相交换更新；若各自采用"收到就覆盖"的本地规则，甲最终存 2、乙最终存 1——消息都送达了，状态却永久分叉。收敛还需要确定性的冲突解决：全序时间戳（最后写入胜）、语义合并函数，或无冲突复制数据类型公理库无冲突复制数据类型Conflict-free replicated data type · CRDT通过单调状态合并或可交换操作在无协调下保证副本收敛的数据类型。那样把交换性写进数据类型。第二个边界是会话体验：最终一致不蕴含单调读——同一客户端相继两次读可能先见新后见旧（例如两次请求落到不同副本），需要单独的会话保证来排除。

两个副本断网期间分别接收更新，恢复后通过反熵最终合并，符合最终一致性。若更新一直持续，定义不要求某个固定时刻完全一致。仅“偶尔同步”也不够：合并规则若非确定、非幂等或持续丢消息，副本可能永不收敛。

收敛与因果顺序彼此正交。系统可以最终收敛，却在传播期间先显示回复再显示原帖；也可以按因果一致性公理库因果一致性Causal consistency · Causal memory要求每个观察者的读写可见顺序都扩展程序顺序与读来源所生成因果偏序的一致性模型。公开每个依赖，却因并发冲突没有确定合并而永不收敛。应用若同时需要二者，必须分别规定因果可见性、最终传播和冲突解决。

最终一致性是CAP 定理公理库CAP 定理CAP theorem网络分区期间，系统不能同时保证所有请求可用与线性一致性。中选择可用性一侧后的常见语义，支撑地理复制数据库、离线协作应用与高可用缓存：分区期间照常服务，愈合后靠反熵同步与冲突解决收敛。线性一致性公理库线性一致性Linearizability每次操作可放置在调用与返回之间的单点，使历史等价于满足实时顺序的顺序规范。要求实时顺序，因果一致性约束依赖可见性；它们与最终收敛的量词不同，不能简单排成一个只有强弱标签的单轴。

设计与评审此类系统时，应把“最终一致”拆成收敛条件、冲突解决规则、因果保证和会话保证分别规格化，而不是让一个词替代全部语义。