知识卡片
向量比较识别并发
每个进程记录各进程已知计数;本地事件递增自己的分量,发送附向量,接收逐项取最大并计入本次接收事件。比较两向量:各分量不大于且至少一项小于代表happened-before;两者互不支配就是并发。[2,4,3]与[3,3,3]不可比较,不能按分量和判断新旧。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 数据复制与一致性 · 查看原书依据
向量时钟的典型应用场景是用来判断分布式环境下不同事件之间是否存在因果关系。对于两个事件E 和F ,假设其各自的向量时钟分别是E .VC 和F .VC ,我们可以根据如下方法判断其是否存在因果关系:
参考来源
- 位置:《大数据日知录:架构与算法》第2章《数据复制与一致性》(来源项目:book-sources;源文件:extracted/大数据日知录_架构与算法/_epub-src/OEBPS/text00007.html)
- 结论依据:原文以“向量时钟的典型应用场景是用来判断”所在段落解释具体机制;本卡保留其条件,另将实现限制、勘误和教学推导在正文中明确区分。
- 原始内容:向量时钟的典型应用场景是用来判断分布式环境下不同事件之间是否存在因果关系。对于两个事件E 和F ,假设其各自的向量时钟分别是E .VC 和F .VC ,我们可以根据如下方法判断其是否存在因果关系:
- 边界对照:[Raft原论文](https://raft.github.io/raft.pdf)、[Paxos原论文](https://lamport.azurewebsites.net/pubs/paxos-simple.pdf)、[Dynamo原论文](https://www.allthingsdistributed.com/files/amazon-dynamo-sosp2007.pdf)、[原子提交与共识的区分](https://www.microsoft.com/en-us/research/wp-content/uploads/2016/02/tr-2003-96.pdf);用于校正原书简化,未将书外观点伪作原文。