比如下面的例子：
- 一行X值在节点M和节点N上有副本
- 客户端A在节点M上写入行X的值
- 一段时间后，客户端B在节点N上读取行X的值
一致性模型所要做的就是决定客户端B能否看到客户端A写的值。一致性模型分为一下几种模型：
- 随意一致性（causal consistency）
- delta一致性（delta consistency）
- entry一致性（entry consistency）
- 最终一致性（eventual consistency）
- 创建一致性（fork consistency）
- 原子一致性（atomic consistency）
- 松散一致性（release consistency）
- 顺序一致性（sequential consistency）
- 弱一致性（weak consistency）
- 强一致性（strong consistency）
- casual+一致性（casual+ consistency）
下面是几种比较常用的一致性模型：
1、最终一致性（eventual consistency）
最终一致性模型是用于分布式系统中，用来实现高可用行，确保在如果一个更新操作发生，那么最终一定可以读取到这次的更新操作的发生。最终一致性在分布式领域广泛使用，采用多个副本形式。如果一个系统实现了最终一致性，那么这个系统可以称之为收敛的，或者叫做实现了副本收敛。相比于传统的ACID（Atomicity，Consistency，Isolation，Durability），最终一致性提供的是BASE（Basic Availablilty，Soft state，Eventual Consistency）服务。最终一致性有个重大缺点：在系统达到副本收敛之前，系统有可能返回任何值
最终一致性冲突解决方法：
为了实现副本收敛的特性，系统必须协调多个不同版本之间的数据。系统实现最终一致性要求的过程叫做anti-entropy，在不同服务器之间交换数据。冲突解决方式一般是最后一个writer进行协调或者用户执行协调处理系统。
参考资料：
维基百科：eventual consistency。http://en.wikipedia.org/wiki/Eventual_consistency
2、强一致性模型（strong consistency）
强一致性模型是用于并发编程模型中的一致性模型，一般用于分布式共享内存（distributed shared memory）、分布式事务（distributed transaction）。一个协议满足强一致性模型，如果满足下面的条件：
所有并行的进程（节点，处理器等）看到的是一样的存取顺序
也就是只有一种状态被所有的并行进程观察到，对比与弱一致性（weak consitency），并行进程可能看到不同的状态。
参考资料：
维基百科：strong consistency。http://en.wikipedia.org/wiki/Strong_consistency
相对应与解决强一致性问题需求的方法：paxos算法
关于paxos算法的基本知识：
维基百科：paxos。http://en.wikipedia.org/wiki/Paxos_(computer_science)
国内介绍paxos算法比较全的网址：http://blog.csdn.net/chen77716/article/details/6166675
paxos算法作者的原著paper：http://research.microsoft.com/en-us/um/people/lamport/pubs/paxos-simple.pdf
paxos算法实现软件zookeeper：http://zookeeper.apache.org
paxos算法google实现chubby的经典论文：http://research.google.com/archive/chubby-osdi06.pdf