데이터 일관성이란 동일한 데이터가 모든 곳에서 동일하게 표시되는 것을 의미합니다. 즉, 청구 시스템의 고객 주소와 배송 시스템의 주소가 일치해야 하고, 창고의 재고량과 웹사이트의 재고량이 일치해야 합니다. 시스템 간에 불일치가 발생하면 의사 결정에 오류가 생길 수 있습니다. 주문이 잘못된 주소로 배송되거나, 품절된 제품을 고객이 구매하는 경우가 발생할 수 있습니다. 서로 의존하는 시스템에서는 일관성 유지가 필수적입니다.

분산 시스템에서는 일관성을 유지하기가 어렵습니다. 여러 서버에 복제된 데이터는 동기화가 어긋날 수 있습니다. 네트워크 분할로 인해 한 영역이 다른 영역과 격리될 수 있습니다. 두 영역 모두 쓰기 작업을 허용하지만, 분할이 복구되면 데이터 충돌이 발생합니다. CAP 정리(Capacity and Array Conclusion Theorem)에 따르면 일관성, 가용성, 파티션 내성은 동시에 달성할 수 없습니다. 대부분의 분산 데이터베이스는 가용성과 최종 일관성을 선택합니다. 이는 시간이 지남에 따라 데이터가 수렴하지만, 서로 다른 노드가 서로 다른 값을 보는 기간이 존재한다는 것을 의미합니다. 강력한 일관성을 위해서는 노드 간 조정이 필요하며, 이는 지연 시간을 증가시킵니다. 어떤 방식을 선택할지는 애플리케이션에 따라 다릅니다. 은행 장부에는 강력한 일관성이 필요하지만, 소셜 미디어 피드에는 최종 일관성이 허용될 수 있습니다. 정답은 모든 경우에 적용되는 것이 아닙니다. 데이터 불일치가 발생할 때 어떤 문제가 발생하는지에 따라 결정됩니다.

일관성 모델

• 강력함 — 모든 노드가 동일한 데이터를 즉시 볼 수 있습니다.
• 결국 노드들은 시간이 지남에 따라 수렴하게 됩니다.
• 인과 관계 — 관련된 작업은 순서대로 나타납니다.
• 작성한 글을 읽어보세요 — 업데이트 내용을 즉시 확인할 수 있습니다.

일관성은 스펙트럼과 같습니다. 문제는 애플리케이션이 제대로 작동하지 않기 전에 얼마나 많은 불일치를 견딜 수 있느냐입니다.