This introduction to Cassandra Replication and Consistency（幻灯片14-15）大胆断言：
R+W>N保证读写仲裁的重叠。请想象这种不平等有巨大的毒牙，滴血 无辜的，企业开发人员，所以你可以最好地欣赏 它激发了恐怖。
我理解读取和写入一致性级别（R + W）的总和大于复制因子（N）是一个好主意...但是什么是重要的是什么？
有什么影响，以及R + W＆n; N与替代方案相比如何？
答案 0 :(得分：29)
我们要解决的基本问题是：
是否会出现读取未返回最新值的情况？
显然，如果可能，最好避免这种情况！
如果R + W <= N，则可能出现这种情况。
写入可以向一组节点发送新值，而后续读取可以从完全独立的节点组中读取，从而错过写入的新值。
如果R + W＆gt; N，那么这种情况保证不会发生。
有N个节点可能保存该值。写入联系至少W个节点 - 在每个节点上放置“write”标签。随后的读取联系人至少有R个节点 - 在每个节点上放置一个“read”标签。有R + W贴纸但只有N个节点，所以至少有一个节点必须有两个贴纸。也就是说，至少有一个节点参与读取和写入，因此能够将最新的写入返回到读取操作。
R + W＆gt;＆gt; N是不可能的。
您可以读取或写入的最大节点数是N（根据定义，复制因子）。因此，我们可以得到的最多是R = N和W = N，即R + W = 2N。这对应于ConsistencyLevel ALL的读写。也就是说，你只需要写入所有节点并从所有节点读取，就不会发生任何幻想。
答案 1 :(得分：4)
Quorum write和Quorum read允许检测无前导复制系统中的陈旧值。
例如，我们有3个复制子A，B，C（N = 3）。用户更新期间C已关闭。 A和B都接受更新（写入= 2）。
当用户读取值时，C返回。可以读取C中的陈旧值。为了检测陈旧值，用户还将从B读取（读取= 2）。
当用户收到来自B和C的更新时，可以使用版本号来确定哪个值更新（B有更新的版本号）。
在这种情况下，其中Write = 2，Read = 2，N = 3，R + W＆gt; 3，我们确信可以检测到任何过时的值。
对于R + W = 3，可以用A和B编写，但只能从C读取。在这种情况下，我们无法检测到陈旧值。
答案 2 :(得分：0)
Cassandra使用无领导复制。这意味着没有一个节点可以提供最新的或正确的值。因此，我们将不得不采用更加民主的方式（对于多个键）读取值（例如，查询多个节点），然后得出正确的值。
让我们通过示例来理解它：
对于所有示例，假设有3个副本，即N = 3。三个节点分别是A，B，C
R = 1，W = 1，N = 3
这基本上意味着我们将存储3个相同数据的副本，但是我们已经配置为即使一个节点响应，也认为读写成功。
现在，让我们来看一下将x的值从当前值3更新为5的情况。 在写入过程中，假设由于某种原因（节点的W值为1）仅在节点A上成功写入，因此将其视为成功写入。
现在在读取过程中，我们可以得到以下值：
节点A是否可达；客户端读取的值为5（即获取正确的值）
如果节点A无法访问/关闭。客户端获得陈旧值3。
很明显，此配置（R + W
R = 1，W = 2，N = 3
在这里，尽管正在对两个节点进行写操作，但仍然只能从1个节点确认仍可以读取。仍然可以从没有最新值的节点进行读取。 很明显，此配置（R + W = N）无法提供一致的读取结果。
R = 2，W = 2，N = 3
因此只有R + W> N才能保证读取的一致性。
您可以探索更多选项here。