PACELC理论

如果有网络分区partition (P)，系统就必须在可用性availability和一致性consistency (A and C)之间取得平衡; 否则else (E) 当系统运行在无分区情况下,系统需要在 延迟latency (L) 和 consistency (C)之间取得平衡。

PACELC定理是CAP定理的扩展。

MongoDB

MongoDB（默认配置）下是PA/EC系统，mongo读写都在主节点上，它只需在主节点上写入成功就返回（不像raft需要多数复制成功），当主节点和备节点分区时，可能会丢失数据，所以说PA，在无分区的情况下，由于读写都在主节点，肯定能读到最新写入的数据，所以是EC。另外Mongo可以配置为写入大多数节点读主节点，这样就是PC/EC系统了。

Redis

在分析Redis Cluster的一致性模型之前，我们先来看看Redis Cluster数据分片策略，它并没有使用常见的一致性哈希算法，而是使用哈希槽（Hash Slot），总共有2^14个槽，把这些槽分配到主节点，使用CRC-16(key) % 2^14确定该key属于哪个节点。新增或删除节点，需要手动分配槽（一致性哈希算法按照顺时针重新分布节点，不需要手动调整）。

在默认配置下，redis cluster读写都在主节点上，使用gossip协议复制数据到副本，实现的是最终一致性。存在分区的情况下，主节点宕机，副本未复制到最新的数据，出现掉数据的情况。所以是PA。无分区情况下，读写都在主节点，一定能读到最新写入的数据，所以是EC。其次，redis cluster可以配置读写分离，在主节点写，在从节点读，这样就是EL。

其次，redis cluster 提供了WAIT命令同步复制副本数据，但依然不能实现强一致性。大概原因是，redis cluster同步复制没有二阶段提交协议（2PC），也就是说，它是尽最大努力复制，如果有的副本节点复制失败，也不会撤销已经复制成功的节点。假设出现分区，主节点出现在少数区，集群检测到分区需要一定的时间窗口（这个可以配置多少），在这个时间窗口内主节点仍可接受客户端的写入，在多数区的某一个节点成功当选主节点，这样在这个时间窗口内写入原主节点的数据就丢失了。