【CSDN 编者按】本文阐述一致领域存在诸多的问题，他们可以用“一致性24字问题”加以概括：范围不清、定义不明、多意、多词、理论有缺、扩展无法、系统难平。提出100%保证数据正确的必要性。
作者 | 李海翔 责编 | 夏萌
出品 | 那海蓝蓝知数行云
数据正确性的24字难题
数据库范围内，ACID中的C和I，是两个非常重要的特性，I表示并发执行的事务在执行过程中互不影响，即互相处于“隔离”状态，C要求并发执行的事务最终结果是正确的。
尽管C和I非常重要，但遗憾的是，传统的数据库知识从未把这他们的概念清晰表达，而是存在二义性（完整性约束和ACID之C的二义差异），并且缺乏用严谨的数学方式加以定义。
另外，更重要的是：没有直接把前述的数据异常和一致性的概念关联起来。在大众的头脑中，似乎数据异常和一致性有着很强的关系，但是没有从数学的角度把他们之间的关系完全掲示出来。
除了事务处理技术领域，谈及事务一致性外，还有其他领域，都在提及一致，如操作系统领域会涉及cache一致性、大型分布式缓冲软件系统会涉及缓冲一致性、CAP中的C也是在谈及一致性，这些不同领域的一致性有什么不同？他们之间的本质是否存在某种必然的联系？
事实上，一致领域存在诸多的问题，他们可以用“一致性24字问题”加以概括：
范围不清：是从整体上描述数据正确性问题存在边界不清晰的问题，如数据库的一致性和Cache一致性、分布式一致性等之间的边界模糊，这使得各个领域似乎都在解决一致性问题，但都各自为战，不能形成有效的统一的体系系统化地解决数据正确性问题。
定义不明：指每个领域内的一致性的定义是不明确的，缺乏形式化的表达，即缺乏科学的定义方式，这表明我们并没有深入理解其本质问题。
多意：在数据库中，一致性的含义有不同的内容，如完整性约束表达的一致性，有ACID的C表达的因并发操作同一对象导致的一致性，因此一致性这个词是存在多种解释的，这会使得学习数据库的人困惑不解。
多词：在数据库中，一致性和数据异常和数据正确性等，似乎存在着某种关系，但是却用了不同的词表达，且词与词之间的含义、关系是不明确的，这也会使得学习数据库的人困惑不解。根据文献[6]可推知，有冲突环图一定不一致性（有环是充分条件非必要条件）；但不能知道不一致一定是有环（有三个数据异常游离于冲突环外，分别是：Dirty Read、Dirty Write、Intermediate Read）；
理论有缺：事务一致性依赖的可串行化理论不完备；可串行化不能消除所有的数据异常；冲突可串行化也不能消除所有的数据异常（根据文献[6]需要处理如Dirty Read等特例）。
扩展无法：事务一致性和分布式一致性的关系不清晰，导致单机系统的数据正确性无法扩展到分布式系统中（目前只能依据经验解决而不能有明确的定义和规则）：在分布式数据库系统中，CAP的C和ACID的C之间的关系是什么？“严格可串行化”是最严格的一致性语义，这个概念是结合了可串行化和线性一致性的语义而成的，适用于分布式事务型数据库系统；但分布式系统是否只存在“严格可串行化”这一种一致性？
系统难评：无论是单机还是分布式数据库，都缺乏一致性检测体系。Oracle数据库有可串行化隔离级别，但是在运行了若干年之后，被发现其所谓的可串行化隔离级别不能消除Write Skew数据异常，因此是一个假的数据异常；而其他的数据库系统，号称实现了可串行化，但是没有一个验证标准，可把数据库作为一个黑盒子进行一致性验证；数据库厂商提供不了数据正确性的评测方法，理论界也不能提供（参考“第三代分布式数据库（3）——一致性八仙图”关于“一致性八仙图”和Jepsen的讨论）。
相关概念混淆：无论是学术界还是工程界，因为一致性缺乏明确的定义，因此不同人对该概念有着不同的理解。有些词经常混淆在一起，如事务范围内容和ACID相关的一致性，分布式系统下和线性一致性、因果一致性等相关的分布式一致性，强一致性（多指多副本复制时被复制的数据与原始数据自己的一致性），最终一致性等。
一言以蔽之：乱！
从历史的角度看数据正确性
让我们沿着时间的轨迹来梳理人类对于数据异常的认知过程，感悟技术的进步与发展过程。
数据异常，至今尚没有明确的定义。业界对于数据异常，只有一个个具体的数据异常名称，每个数据异常对应一个形式化表达式。即过往对于数据异常的研究，止于具体的案例（如脏写、脏读、不可重复读、幻读等数据异常），且不能让人明白各种数据异常之间的关系。在事务处理领域，尚存在一些基本问题，如“数据异常究竟有多少个？数据异常之间的关系是什么？”是不为人所知晓的。
本节讨论数据异常的研究历史和其中存在的一些问题。在事务处理技术的发展历史上，不同人定义过不同的数据异常。
1. ANSI/ISO-SQL标准定义的数据异常ANSI/ISO-SQL标准[7]定义了四种数据异常，分别是：脏写（Dirty Write）、脏读（Dirty Read）、不可重复读（Non-repeatable Read）和幻读（/Phantom）数据异常。
这四种数据异常，后文会另行介绍，在此不再赘述。
2. Jim Gray等定义的数据异常数据异常，不只是ANSI/ISO-SQL标准所定义的四种，还有更多数据异常。Jim Gray等人在参考文献[6]中定义了八种数据异常，除了ANSI-SQL标准定义的四种外，新增加了丢失更新（Lost Update）、游标丢失更新（Cursor Lost Update）、读偏序（Read Skew）和写偏序（Write Skew）数据异常。
该参考文献给出的新的数据异常的形式化定义如表1所示。其中，丢失更新的定义存在难以理解之处。例如：
H1 = R1[x]...W2[x]...W1[x]...C1 （丢失更新异常的定义）H2 = R1[x=100] R2[x=100] W2[x=120] C2 W1[x=130] C1（丢失更新示例）
H1是丢失更新数据异常的形式化定义，但该定义中的“W2[x]...W1[x]”构成一个脏写异常，因此该形式化定义和脏写异常的定义冲突，不能判断该定义究竟应属于哪种数据异常。该文献对丢失更新举例如H2，其中“W2[x=120] C2 W1[x=130]”中存在有“C2”这使得该示例与脏写异常不存在冲突之处，因此其定义应该更新为H3。
H3 = R1[x]...W2[x] ...C2...W1[x]...C1 （丢失更新异常的新定义）
游标丢失更新数据异常的定义类似丢失更新，出现在支持“游标（Cursor）”功能的数据库系统中，如DB2、Informix、MySQL、PostgreSQL等。
读偏序数据异常，其定义为H4。对于事务T1和T2，是两个事务作用在两个变量上，按照冲突可串行化理论，在变量x上形成RW冲突，在变量y上形成WR冲突。但是，为什么在“W2[y]...C2...R1[y]”中需要有“C2”存在呢？如果不采用读已提交规则，则完全可以存在H5的方式。所以，是否存在一种可能，使得H4和H5，都是读偏序异常呢？
H4 = R1[x]...W2[x]...W2[y]...C2...R1[y]...（C1 or A1）（读偏序异常的定义）H5 = R1[x]...W2[x]...W2[y]...R1[y]...（C1 or A1）（读偏序异常的另外一种形式）
写偏序数据异常的定义为H6。对于事务T1和T2，是两个事务作用在两个变量上，按照冲突可串行化理论，在变量x上形成RW冲突，在变量y上形成RW冲突，即该异常有两个RW冲突这点不同于读偏序异常的一个RW一个WR冲突。而该定义中“C1 and C2”位于表达式的最后，但是，H7中只是把“C1”提前到“W2[x]”，这样对于事务T2而言，无任何影响，所以是否我们可以认为，H6存在H7这样的等价变形形式？即是不是H6并没有把写偏序的定义完整表达？
H6 = R1[x]...R2[y]...W1[y]...W2[x]...（C1 and C2 occur）（写偏序异常的定义）H7 = R1[x]...R2[y]...W1[y]...C1...W2[x]..C2（写偏序异常的定义另外一种形式）
表1 《A Critique of ANSI/ISO-SQL Isolation Levels》定义的新的数据异常
