📚 课程目录第3章缓存一致性协议

3. 缓存一致性协议：MESI协议、写失效与写更新策略、分布式缓存一致性模型

在分布式追踪与采样系统中，缓存一致性是保证数据正确性的核心挑战。当多个缓存副本同时持有同一份数据时，如何确保一个副本的修改能够被其他副本及时感知，避免“脏读”或“过期读”，是缓存架构设计的基石。本章从经典的MESI协议出发，逐步深入到分布式环境下的写策略与一致性模型。

MESI协议是CPU缓存一致性的事实标准，定义了缓存行的四种状态，通过状态转换和总线嗅探机制保证多核处理器下的数据一致性。理解MESI有助于我们类比分布式缓存中的状态管理。

状态	全称	含义	本地缓存是否有效	内存副本是否最新
M	Modified	缓存行已被修改，与内存不一致	有效（唯一有效副本）	否（脏数据）
E	Exclusive	缓存行未被修改，且仅当前核持有	有效	是
S	Shared	缓存行未被修改，且多个核持有副本	有效	是
I	Invalid	缓存行无效，需从内存或其他缓存读取	无效	—

关键洞察： MESI协议通过“总线嗅探”机制监听其他核心的读写请求，触发状态迁移。例如，当核心A持有E状态的缓存行，核心B发起读请求时，A的状态会从E降级为S，同时B获得S状态。这种“写失效”思想在分布式缓存中演化为“失效通知”模式。

在分布式缓存场景中，MESI的“写失效”思想被抽象为两种核心策略：写失效（Write-Invalidate）和写更新（Write-Update）。两者在一致性与网络开销之间做出不同权衡。

  核心对比： 写失效策略在写入时仅通知其他副本“该数据已失效”，后续读取时再拉取最新值；写更新策略则在写入时直接将新值推送给所有副本。前者节省写带宽但可能增加读延迟，后者保证读始终最新但写放大严重。

策略	写入时行为	读取时行为	网络开销	适用场景
写失效	发送失效消息给所有副本	发现失效后从源端拉取最新数据	写消息少（仅失效通知）	写多读少、数据更新频繁
写更新	将新值广播给所有副本	直接读取本地副本（始终最新）	写消息多（全量数据推送）	读多写少、对读延迟敏感

在分布式系统中，缓存一致性模型定义了数据更新在多个节点间的可见性顺序。根据对一致性强弱的要求，主要分为以下三类：

强一致性（Linearizability）： 写入操作完成后，任何后续读取都能立即看到最新值。实现代价最高，通常需要分布式锁或共识算法（如Paxos/Raft）。
最终一致性（Eventual Consistency）： 允许短暂的不一致窗口，但保证在没有新写入的情况下，所有副本最终会收敛到相同值。DNS、CDN、Gossip协议是典型代表。
因果一致性（Causal Consistency）： 保证有因果关系的操作按正确顺序被观察到，无因果关系的操作可以并发。是强一致性与最终一致性之间的折中方案。

采样链路中的陷阱： 在OpenTelemetry采样场景中，如果采样规则缓存采用最终一致性模型，可能导致同一Trace的不同Span在不同节点上看到不同的采样决策，造成部分Span被采样而部分被丢弃，破坏链路完整性。建议对采样规则缓存使用“读己之写”或“单调读”一致性级别。

模型	一致性强度	延迟影响	可用性影响	典型实现	采样缓存适用性
强一致性	最高	高（需同步等待）	低（节点故障可能阻塞）	ZooKeeper、etcd	适合规则变更极少的场景
因果一致性	中	中	中	CRDT、向量时钟	适合需要保持操作顺序的场景
最终一致性	低	低（异步复制）	高（分区容忍性强）	DNS、Gossip、Dynamo	适合对一致性要求不高的采样规则

实践建议： 对于OpenTelemetry采样策略缓存，推荐采用“单调读一致性”+“写失效”的组合。单调读保证一旦读到某个值，后续读取不会看到更旧的值；写失效则减少写放大。这种组合在保证采样决策不出现“回退”的同时，维持了较好的性能。