順序這件事在 Design Data Intensive Applications 這本書中重複到提到了很多次，代表了它是重要的基礎知識，2020 年寫到現在，我們總共討論過：

• 2020 Day 21 - Leaders and Followers：single-leader 類型的數據複製資料庫用 replaction log 記錄操作，讓 follower 節點能以同樣順序做副本。
• 2021 Day 6 - 序列化隔離 (serializable isolation)：在單一執行緒按照順序執行 transactions。
• 2021 Day 11 - 順序性事件的時間戳記

現在就讓我們深入探討、連結順序、線性一致性和共識的相關知識吧！

排序和因果關係 (Ordering and Causality)

排序這件事帶給我們最重要的啟發就是因果關係，其實我們已經展示了多個有關因果關係很重要的例子了：

• 2020 Day 22 - 圖 5-5：答案比問題還早出現。
• 2020 Day 23 - 圖 5-9：insert 比 update 還晚出現。
• 2020 Day 26 - Happend before 關係：若 A 比 B 早發生，則 B 應該要知道 A；若是並發發生，則 A B 互相不知道對方。
• 2021 Day 4 - Snapshot Isolation：transaction 的資料來自有一致性快照中，而快照就等於 因果關係 (causality) 。
• 2021 Day 7 - Serializable Snapshot Isolation：序列化快照隔離能依不同 transaction 的因果關係檢測 write skew。

因導致果，而因果來自事件順序，如果系統之順序來自遵守因果關係，我們稱它為 因果一致性 (causally consistent)，就像快照隔離那樣，你看到的資料必定先於其他 transaction 操作而來。

因果順序不是全局順序 (the causal order is not a total order)

全局順序允許你比較任何 2 個元素的大小，像給它數字 5 跟 13，你能知道 13 比 5 大；然而若要你比較 2 個數學集合 {a, b} 和 {b, c} 哪個大呢？我們並不知道哪個大，因為 2 個集合彼此不是對方的子集合，視為 不可比 (incomparable)，這 2 個集合也是 部分順序 (partially ordered)。

全局順序和部分順序若反映在一致性模型裡就是以下這 2 個：

線性一致性 (Linearizability)

線性化系統是全局順序，因為資料只有一份且操作都是原子操作，所以我們可以很輕鬆知道 2 個操作誰先誰後，視覺化時序圖可參考 Day 15 的圖 9-4。

因果一致性 (Causality)

2 個事件能排序代表他們有因果關係（一個發生在另一個之前），但如果他們是並發發生的話，則就是不可比，所以因果關係也等於是部分順序，非全局順序。

並發事件意味者時序會分支，然後在合併，不同分支的操作是不可比，我們可以來看一下 2020 Day 26 圖 5-14， 它並不是一條直線幹到底，而是並發的發生多個操作，然後合併，箭頭的指向關係也代表了 因果依賴 (causal dependencies)。

另一個大家更有感的例子就是 Git 啦！版本歷史就很像因果關係，一個 commit 必定發生在某 commit 之後，合併時會組合多個並發分支的 commit。

未完，明日繼續。