数据因果一致性研究综述

数据因果一致性是分布式存储中保障数据一致性的重要方案之一,目前的因果一致性方案研究重点包括时钟方法的优化、协议的设计以及操作事务序列的优化等方面。实际上云环境除了时钟漂移、查询放大等情况之外,还存在木马、不可信第三方等不安全因素,以致于破坏因果一致性元数据、用户操作结果的一致性,甚至影响存储环境的可用性。从一致性存储性能提升和安全保障角度出发,结合区块链等共识机制,对比分析了时钟同步方法、数据复制策略、服务端协议的分析设计以及操作事务序列化等研究方向,总结讨论了它们的的原理、优势、局限性以及安全约束方面的不同效用,进而指出未来的发展趋势和后续研究方向,期望对该领域的研究起到参考和帮助作用。

一种基于HashGraph的NoSQL型分布式存储因果一致性模型

分布式环境中的数据因果一致性指的是对具有因果依赖性的数据进行更新时,须同步更新其他分布式副本中的依赖性元数据,同时满足较高的可用性和性能需求.为解决现有成果中更新可见延迟较高的问题,在数据中心稳定向量的基础上,结合混合逻辑时钟和HashGraph原理,提出了Causal-Pdh模型.使用部分向量和校验值作为消息签名代替了所有向量,并且借鉴HashGraph的原理,改进了各个数据中心同步最新条目的过程,各个父节点随机与其他父节点同步最新状态,从而降低了虚拟投票所使用的时间.最后通过实验验证了Causal-Pdh模型不仅没有影响客户端的吞吐量,而且在时钟偏移较严重时降低了20.85%的用户PUT等待延迟,在系统中存在查询放大的情况时,PUT响应时间降低了23.27%.

具有可信约束的分布式存储因果一致性模型

目前,关于分布式存储因果一致性的研究领域中鲜有考虑安全风险的成熟方案。在混合逻辑时钟和HashGraph的基础上,结合可信云平台中的可信云联盟技术,提出了具有可信约束的分布式存储因果一致性模型(CCT模型)。CCT模型在客户端、服务端分别设计了身份认证和一致性数据可信校验机制,并对云存储集群中数据副本之间同步数据的过程进行了安全约束。通过仿真实验验证,CCT模型在造成了较小性能开销的前提下,能对客户端和服务端中身份签名伪造、非法第三方等安全风险进行识别并验证,为系统提供可信约束。