Causal consistency — yếu hơn nhưng đủ, rẻ hơn

TL;DR: Causal consistency đảm bảo mọi node thấy các thao tác có quan hệ nhân quả theo đúng thứ tự — nhưng thao tác đồng thời (không ai gây ra ai) được phép thấy khác thứ tự ở mỗi node. Nó yếu hơn linearizability: bỏ ràng buộc thứ tự toàn cục khớp real-time, nên không đảm bảo recency. Bù lại, nó là mức nhất quán mạnh NHẤT vẫn khả dụng khi mạng phân mảnh — chỉ cần theo dõi quan hệ phụ thuộc (vector clock), không cần phối hợp toàn cục, nên rẻ hơn nhiều và đủ cho phần lớn ứng dụng: quan trọng là "câu trả lời không hiện trước câu hỏi", không phải "mọi người thấy đúng thời điểm tuyệt đối".

Bạn bình luận "Ai biết chỉ mình với?" dưới một bài. Bạn của bạn trả lời "Có tôi!". Một người thứ ba mở app — và thấy câu trả lời "Có tôi!" trước câu hỏi "Ai biết chỉ mình với?". Vô nghĩa. Điều bị vỡ ở đây không phải recency (thấy trễ vài giây thì không sao) mà là thứ tự nhân quả: một phản hồi không được xuất hiện trước thứ nó phản hồi. Causal consistency là mô hình vừa đủ để cấm đúng lỗi này mà không phải trả giá đắt của linearizability.

Bài này định nghĩa causal consistency, đối chiếu nó với linearizability (bài 01) theo bốn trục, mổ cơ chế giữ thứ tự nhân quả không cần đồng bộ toàn cục, và chỉ ra vì sao nó là "điểm ngọt" khả dụng-nhất-quán.

1. Analogy — luồng bình luận: trả lời phải sau câu hỏi

Trong một luồng bình luận, có hai loại quan hệ. Nhân quả: bình luận B là trả lời cho A → B phải hiện sau A với mọi người (bạn đọc A mới viết được B). Đồng thời: hai người ở hai nơi cùng bình luận độc lập, không ai đọc của ai → thứ tự giữa hai cái này không quan trọng, người này thấy X-rồi-Y, người kia thấy Y-rồi-X đều chấp nhận được.

Causal consistency đúng là quy tắc đó: ép thứ tự cho cặp có nhân quả, thả tự do cho cặp đồng thời. Nó không đòi cả hệ đồng ý một dòng thời gian duy nhất — chỉ đòi không ai thấy "hậu quả trước nguyên nhân".

2. Định nghĩa chính xác — happened-before, không total order

Causal consistency đảm bảo: nếu thao tác A happened-before B (A "xảy ra trước và có thể ảnh hưởng" B — ví dụ cùng một client làm A rồi B, hoặc một client đọc kết quả của A rồi mới làm B), thì mọi node quan sát A trước B. Với các cặp concurrent (không có quan hệ happened-before theo chiều nào), các node được tự do sắp xếp khác nhau.

So với linearizability (bài 01), điểm khác cốt lõi:

• Linearizability đòi một total order (mọi thao tác nằm trên một dòng thời gian duy nhất) và total order đó khớp real-time → có recency.
• Causal chỉ đòi một partial order (chỉ sắp các cặp nhân quả) và không dính real-time → không recency. Một node hoàn toàn có thể chưa thấy ghi mới nhất của node khác, miễn là khi nó có thấy, thứ tự nhân quả vẫn đúng.

Chính vì thả cặp concurrent và bỏ real-time mà causal consistency không cần một điểm phối hợp toàn cục cho mỗi thao tác — đó là gốc của việc nó vừa khả dụng khi partition vừa rẻ.

3. Cơ chế — theo dõi nhân quả bằng vector clock

Làm sao một node biết B phụ thuộc A để mà giữ thứ tự, khi không có đồng hồ vật lý tin cậy? Câu trả lời là theo dõi quan hệ phụ thuộc một cách tường minh bằng dấu vết logic — và công cụ chuẩn là vector clock.

Cơ chế ở mức ý tưởng: mỗi ghi mang theo vector clock ghi lại "tôi đã thấy những gì trước khi tạo ra mình". Khi một node nhận một ghi để áp dụng, nó kiểm: mọi thứ mà ghi này phụ thuộc đã được áp dụng chưa? Nếu chưa (một dependency còn thiếu), nó hoãn (buffer) ghi đó lại cho tới khi dependency tới — nhờ vậy không bao giờ áp "hậu quả" trước "nguyên nhân".

Node nhan mot ghi W (kem vector clock cua W):
  for each dependency D ma W phu thuoc (theo vector clock):
    if D chua duoc ap dung tai node nay:
      buffer W lai, cho D toi
  ap dung W khi moi dependency da co
// Cap concurrent: khong co rang buoc -> ap theo thu tu nao cung duoc

flowchart LR
  A["A: 'Ai biet chi minh voi?'"] -->|"nhan qua: B doc A roi tra loi"| B["B: 'Co toi!'"]
  A --> N["Node moi: buffer B<br/>cho toi A truoc"]
  C["C: like doc lap"] -.->|"concurrent voi A/B"| N2["thu tu tuy y"]

Điểm mấu chốt: node chỉ cần biết quan hệ phụ thuộc cục bộ (đọc từ metadata đi kèm mỗi ghi), không cần hỏi ý kiến cả hệ hay chờ một leader duy nhất sắp thứ tự. Đó là vì sao causal consistency chạy được kể cả khi một phần hệ bị cắt — mỗi node vẫn phục vụ đọc/ghi từ dữ liệu nó có, chỉ cần tôn trọng thứ tự nhân quả của những gì nó đã thấy.

Lần theo cơ chế: vì x=1 happened-before x=2, chúng không đồng thời — causal consistency buộc mọi node áp dụng x=1 trước x=2. Node 3 nhận x=2 trước, nhưng vector clock của x=2 khai rằng nó phụ thuộc x=1; node phát hiện dependency x=1 chưa tới, nên buffer x=2 lại và chờ. Client trên node 3 do đó không bao giờ thấy 2 rồi 1 — nó thấy 1 rồi 2 (hoặc chưa thấy gì). Vậy cả causal lẫn linearizability đều CẤM thứ tự "2 rồi 1" ở đây, vì đây là quan hệ nhân quả, không phải đồng thời. Khác biệt giữa hai mô hình chỉ lộ ra ở cặp concurrent và ở recency: linearizability còn buộc node 3 thấy giá trị mới nhất ngay theo thời gian thực; causal thì cho phép node 3 tụt lại (chưa thấy x=2) miễn thứ tự nhân quả của những gì nó đã thấy vẫn đúng.

4. Linearizability và causal khác nhau ở đâu?

Đối chiếu bốn trục:

Dòng quan trọng nhất: khả dụng khi partition. Có một kết quả lý thuyết (Attiya, Ellen & Morrison, 2015) rằng causal consistency là mức nhất quán mạnh nhất mà một hệ vẫn có thể luôn khả dụng dưới partition. Muốn mạnh hơn (recency/total order) là chạm trần CAP — phải hy sinh khả dụng (bài 03). Đó là lý do causal consistency được xem là "điểm ngọt": mạnh vừa đủ để hành vi hợp lý (không có hậu-quả-trước-nguyên-nhân), yếu vừa đủ để không phải trả giá availability.

5. Pitfall — tưởng causal là recency, hoặc tưởng eventual là causal

❌ "Causal consistency => doc luon thay ghi moi nhat"
   -> SAI: causal KHONG co recency. Node co the tut lai, chua thay ghi
   moi nhat cua node khac. No chi hua: nhung gi ban DA thay dung thu tu
   nhan qua. Can recency thi phai len linearizability (dat hon).

❌ "Eventual consistency la du, no cung giu thu tu"
   -> SAI: eventual chi hua "cuoi cung hoi tu", KHONG hua thu tu nhan qua
   giua chung -> co the thay tra loi truoc cau hoi. Causal manh hon eventual
   dung o cho: them dam bao happened-before.

6. 📚 Đào sâu — nguồn gốc & tài liệu

7. Liên hệ các bài khác

• Bài 01 — Linearizability: mức trên causal một bậc — thêm total order + recency, đổi bằng khả dụng khi partition. Đọc để thấy chính xác causal "bỏ bớt" cái gì.
• Bài 03 — CAP đúng nghĩa: "mạnh nhất còn khả dụng khi partition" ở mục 4 là hệ quả trực tiếp của CAP — bài 03 hình thức hoá vì sao không thể mạnh hơn mà vẫn khả dụng.
• Module 5 — Causal order: happened-before và vector clock được mổ ở đó như công cụ; bài này dùng chúng để xây một mô hình nhất quán.
• Module 2 — Leaderless & phát hiện ghi đồng thời: version vector xử lý ghi đồng thời — cùng cơ chế nền của causal consistency.

8. Tóm tắt

• Causal consistency giữ đúng thứ tự các thao tác có quan hệ nhân quả (happened-before); cặp đồng thời được thấy theo thứ tự khác nhau ở mỗi node.
• Yếu hơn linearizability: chỉ partial order, không khớp real-time, nên không đảm bảo recency (node có thể tụt lại).
• Là mức nhất quán mạnh nhất vẫn khả dụng khi mạng phân mảnh — đó là "điểm ngọt" khả dụng/nhất quán.
• Cơ chế: theo dõi dependency bằng vector clock; node buffer một ghi cho tới khi mọi thứ nó phụ thuộc đã áp dụng → không bao giờ hậu-quả-trước-nguyên-nhân.
• Rẻ hơn linearizability vì chỉ cần dependency cục bộ, không cần điểm phối hợp toàn cục mỗi thao tác.
• Thang mức: eventual < causal < linearizable — chọn mức thấp nhất đủ dùng.

9. Tự kiểm tra

Bài tiếp theo: CAP đúng nghĩa — P bắt buộc, chọn C hay A