本文是《如何学习分布式系统》中，关于一致性模型的相关介绍。

Causal consistency的定义

Causal consistency叫做因果一致性，被认为是比Sequential Consistency更弱的一致性，因为在Causal consistency中，只对有因果关系的事件有顺序要求。

Causal consistency的概念最早在《Causal memory: Definitions, implementation, and programming》一文中被提出。随后在《Consistency, Availability, and Convergence》一文中，作者用happens before关系的有向无环图定义了Causal consistency，并且提出了real time causal consistency一致性模型。这篇文章得出了以下两个重要的结论，有兴趣的同学可以读一下原文：

1. No consistency stronger than real time causal (RTC) consistency, a strengthening of causal consistency, can be provided in an always-available, one-way convergent system.
2. RTC can be provided in an always-available, one-way convergent system.

Causal consistency要求如果两个事件有因果关系，那么在所有节点上必须观测到这个因果关系。

Causal consistency的例子

比如下图中，我们认为P2写入的3是基于它读出来的1计算出来的，它读出来的1又是由P1的写入产生的，因此认为P1写入1和P2写入3具有因果关系。P4没有观测到这个因果关系，所以这个系统不具备Causal Consistency。

而下图中，认为P2写入3和P1写入1不具有因果关系，则P4和P3可以以任意顺序观测到它们。这个系统仍然可以说具有Causal consistency，但是不具备Sequential Consistency。

Causal consistency的应用

Causal consistency一般应用在跨地域同步数据中心系统中，例如Facebook、微信这样的应用程序，全球各地的用户，往往会访问其距离最近的数据中心，数据中心之间再进行双向的数据同步。为了减小数据同步的延迟，往往并行的同步数据。

没有因果一致性时会发生如下情形：

1. 夏侯铁柱在朋友圈发表状态“我戒指丢了”
2. 夏侯铁柱在同一条状态下评论“我找到啦”
3. 诸葛建国在同一条状态下评论“太棒了”
4. 远在美国的键盘侠看到“我戒指丢了”“太棒了”，开始喷诸葛建国
5. 远在美国的键盘侠看到“我戒指丢了”“我找到啦”“太棒了”，意识到喷错人了

或者：

1. 夏侯铁柱从好友中删除了诸葛建国
2. 夏侯铁柱发表了朋友圈“清理了一波没用的好友”
3. 远在美国的诸葛建国看到了该朋友圈
4. 诸葛建国想去点个赞。。。

所以很多系统采用因果一致性系统来避免这种问题，我们将会在后续的文章中介绍。

例如微信的朋友圈就采用了因果一致性，但是它的资料有点过于简略，有兴趣的可以参考https://www.useit.com.cn/thread-10587-1-1.html

更多相关内容，请参考系列文章《如何学习分布式系统》。