Datakonsistens betyr at de samme dataene ser like ut overalt. En kundes adresse i faktureringssystemet samsvarer med adressen i fraktsystemet. Lagertellingen på lageret samsvarer med tellingen på nettstedet. Når systemene er uenige, går beslutningene gale. Bestillinger sendes til gamle adresser. Kunder kjøper produkter som er utsolgt. Konsistens er ikke valgfritt for systemer som er avhengige av hverandre.

Distribuerte systemer gjør konsistens vanskelig. Data som replikeres på tvers av flere servere kan bli usynkronisert. En nettverkspartisjon isolerer én region fra en annen. Begge regionene godtar skriving. Når partisjonen repareres, kommer dataene i konflikt. CAP-teoremet sier at du kan ha konsistens, tilgjengelighet og partisjonstoleranse, men ikke alle tre samtidig. De fleste distribuerte databaser velger tilgjengelighet og eventuell konsistens. Det betyr at dataene konvergerer over tid, men det er et vindu der forskjellige noder ser forskjellige verdier. Sterk konsistens krever koordinering, noe som koster latens. Valget avhenger av applikasjonen. En bankreskontro trenger sterk konsistens. En sosiale medier-feed kan tolerere eventuell konsistens. Det riktige svaret er ikke universelt. Det avhenger av hva som brytes når dataene er uenige.

Konsistensmodeller

• Sterk – alle noder ser de samme dataene umiddelbart
• Eventuelt — noder konvergerer over tid
• Kausale — relaterte operasjoner sees i rekkefølge
• Les-det-du-skriver – du ser dine egne oppdateringer umiddelbart

Konsistens er et spekter. Spørsmålet er hvor mye inkonsistens applikasjonen kan tolerere før den svikter.