大家好，我是Tony Bai。
欢迎来到《分布式系统：原理、哲学与实战》微专栏的第三讲。
在上一讲中，我们为所处的现实世界绘制了一张精准的地图。我们知道了节点会崩溃，通信会延迟，时间会撒谎。面对这样一个充满不确定性的环境，一个孤立的节点就像一叶扁舟，随时可能在风暴中倾覆。
那么，为了让我们的系统能抵御风暴，活下去，我们能使用的第一件，也是最符合直觉的武器是什么？
答案是：不要把所有鸡蛋放在一个篮子里。
这句古老的谚语，在分布式系统中被翻译成一个核心的技术术语：复制 (Replication)。
复制的核心思想极其简单：将相同的数据，在多个独立的节点上，保存多个副本。它的动机主要有两个：
高可用性 (High Availability):当持有数据的某个节点宕机时，其他持有副本的节点可以顶上，服务不中断。这是我们对抗节点故障的主要手段。
性能扩展 (Performance Scaling):尤其是读性能。多个副本可以同时处理读请求，从而分摊负载，降低延迟。
今天，我们将深入探讨实现复制的最经典、最广泛的架构模式——主从复制 (Leader-Follower Replication)。但我们不会孤立地看待它。我们将引入一把衡量所有复制系统正确性的“黄金标尺”——一致性模型 (Consistency Models)，并以此为准绳，去度量主从架构在追求秩序的过程中，所能达到的高度，以及必须付出的代价。
理论的标尺：什么是一致性模型？
在只有一个数据副本的单体世界里，“一致性”这个词几乎无需被提及。你写入一个值，下一次读取，必然能读到这个新值。这似乎是天经地义的。
但一旦引入复制，这个“天经地义”就被打破了。当一个写请求在 Leader 上完成，但还未同步到某个 Follower 时，客户端从这个 Follower 读取，就会读到“旧”的数据。这就是不一致。
一致性模型，就是系统向客户端做出的一个关于“读写顺序和数据可见性”的“契约”或“保证”。它精确地定义了，当多个客户端并发读写时，他们可能看到怎样的数据，以及不可能看到怎样的数据。
理解一致性模型至关重要，因为它直接决定了系统的性能、可用性以及开发者编程的难易度。
理解操作的表示法
不过，在深入探讨各个模型之前，我们首先需要一种标准的方式来描述和可视化并发操作。我们将借鉴学术界（如 Herlihy & Wing, 1990）的经典表示法。
操作的可视化：每个操作（如读或写）都有一个开始时间 (Invocation)和一个结束时间 (Response)。我们将它表示为一个在时间轴上延伸的水平条。
顺序操作 (Sequential Operations):如果操作A的结束时间早于操作B的开始时间(如下图)，我们就说 A先于 (precedes)B，记为
A -> B。它们之间没有时间重叠，顺序是明确的。
并发操作 (Concurrent Operations):如果操作A在操作B结束前开始，并且操作B在操作A结束前开始，我们就说A和B是并发的，再直白地说两个操作在时间上是有重叠的，它们的“真实”顺序是不确定的。如下图，A操作和B操作是并发的，其真实顺序可能是
A -> B，亦可能是B -> A。
注：上述几个示意图来自“Linearizability: A Correctness Condition for Concurrent Objects”(
http://www.calebgossler.com/notes/Papers/linearizability.html)。
我们的核心示例场景：
我们将使用一个贯穿始终的场景来对比各个模型。假设一个简单的分布式键值存储，其中有两个键x和y，初始值均为0。有两个客户端 P1 和 P2 进行写操作，另外两个客户端 P3 和 P4 作为观察者进行读操作。
