写在前面

假设现在我们实现了AP 系统，但是公司突然要对某些业务进行实时的数据计算，并且要求按照强一致性的方式来读取数据，此时作为系统设计这的我们该怎么办呢？单独为这部分业务实时抽出最新数据？还是修改原有系统？看起来都不是很靠谱，为了一个单独临时的业务而做出这么大的动作，显然是不适合的。此时我们就可以考虑在系统中引入Quorum NWR算法，从而实现数据的强一致性（注意这里实现的强一致性是建立在系统正常的前提下，如果是系统异常将还只是保证AP）。下面我们就来一起看下吧！

1：Quorum NWR

在Quorum NWR算法中包含N,W,R三个元素，当W + R > N时就能实现我们文章开始提到的强一致性了，分别来看下。

1.1：N

N,表示的副本数，即一个分片的复制因子，如下图data-1的N就是2，data-2的N就是3，data-3的N就是1:

注意N不要超过节点数，因为将会导致某节点上存在超过>1个的副本，当该节点故障时，分片的多个副本将会同时不可用。

1.2：W

W，代表一次更新操作，数据需要写入到多少个副本才算成功，比如设置data-2分片W设置为2，则必须更新2个副本才算成功，如下图：

1.3：R

R，代表一次读取多少个副本，并从中选择一个最新的数据，之后返回给客户端，如下data-2设置R=2，则会从data-2的3个副本中的2个副本读取数据，然后获取最新的一个版本返回给客户端，如下图：

到这里我们再看下为什么W + R > N就能实现强一致性，因为当满足该条件时，进行数据读取的R个副本中必定有一个是拥有最新数据，所以就实现了数据强一致性。

写在后面

小结

本文分析了一个AP系统如何实现数据一致性（再次强调这里指的是系统正常情况下的数据强一致性，所以CAP不能三角依然是成立的）

参考文章列表

分布式之CAP理论分析 。