Ang mga modelong ispektibo ng datos ay nagbibigay kahulugan kung paano pinananatili at pinagtutugma sa mga sistemang ipinamamahagi.[kailangan ng sanggunian] Ang mga ito ay para matiyak ang katumpakan at pagkamaaasahan ng datos sa iba't ibang mga aplikasyon. Ang artikulong ito ay tumutuklas sa iba't ibang mga modelong harmoniko na may real-world na mga halimbawa upang ilarawan ang kanilang mga praktikal na implikasyon.

Matinding Hilig

Ang malakas na pagbabagu - bago ay gumagarantiya na sabay - sabay na nakikita ng lahat ng gumagamit ang iisang impormasyon. Kapag natapos ang isang operasyon sa pagsulat, ang susunod na pagbasa ay magsisiwalat ng pagbabagong iyan.

Ang mga sistema sa pag - iimpok ay kadalasang nangangailangan ng matinding pagbabagu - bago upang maiwasan ang mga pagkakamali na gaya ng dobleng paggasta.

Hindi Makatuwirang Hilig

Ang pantay na pagtutugma ng mga bahagi ng katawan ay nagpapangyari sa mga impormasyon na pansamantalang maging pabagu - bago sa mga node subalit tumitiyak na ang lahat ng kopya ay magkakasanib sa paglipas ng panahon.

Kapag nag - post ng update ang gumagamit ng social media, baka kailanganin ang maikling panahon para lumitaw sa lahat ng kaibigan na pinakakain, pero sa kalaunan, pare - pareho ang nakikita ng lahat.

Hilig sa Pag - aanak

Ang Causal harmony ay tumitiyak na ang mga kaugnay na operasyon ay nakikita sa tamang pagkakasunud-sunod sa lahat ng node.Ito ay nagpapanatili ng sanhi-and-action na relasyon sa pagitan ng mga aksiyon.

Ang mga kasangkapang komplementaryong pag-aayos, tulad ng Google Docs, ay kadalasang umaasa sa kaswal na pag-aangkop upang matiyak na ang mga edit ay sabay-sabay na lohikal, na iniingatan ang pagkakasunud-sunod ng mga pagbabagong ginawa ng iba't ibang gumagamit.

Sumaryo ng mga Kasong Ginagamit

  • [Strong Consistency: Banking, mga transaksiyong pinansiyal
  • [Talaksan:] Social media, mga content delivery network
  • Causal Consistance: Mga kasangkapang pang-complementative, mga sistemang pampigil ng bersyon