Skip to content

Latest commit

 

History

History
35 lines (26 loc) · 7.32 KB

08-95-percent-law-lww.md

File metadata and controls

35 lines (26 loc) · 7.32 KB

本地优先软件 · 技术思维 #8:95% 定律

两性费曼 · 性一(12 岁也能懂)

  • 这是什么:两个人抢着改同一块公告牌,其实不用请法官——约定「谁最后改的听谁的」,再拿个本子记下谁在什么时候改成了什么,九成五的争执就没了。哪里不像:公告牌写错了能擦掉重写,关键数据被无声覆盖就再也找不回来。
  • 与我何干:省钱。全量 CRDT 的元数据体积、库依赖和架构约束都要付账,多数场景根本用不上;省下的工时投在审计日志上回报更高。
  • 我该怎么办:两小时内打开你产品的数据库表结构,给每个字段标注「并发写概率:高 / 中 / 低」,统计高并发行占全部写入的比例;低于 5% 就先把审计日志的不可变性做扎实。

两性费曼 · 性二(同行可验证)

  • 机制:冲突解决分三层——丢更新(无仲裁无记录)、LWW 加审计日志(留痕可回滚)、全量 CRDT(零丢失零仲裁),成本随层级指数上升;是否为顶层能力付费,取决于同字段真并发写的发生率是否越过阈值。
  • 边界数:95% 场景可由 last-write-wins + 审计日志覆盖 [一手];高并发行占比阈值 5% [推算];CRDT 首屏 bundle 数 MB、且不可后补 [一手];分布式设备间墙上时钟不可靠,胜负判定须用逻辑时钟或版本向量 [一手]。
  • 反例:若审计日志只记新值不记旧值却仍被当作可复盘依据,或「95%」随产品从单人工具长成协作工具而明显缩水,则本件的层级选择结论失效。
  • 可复现:见正文「最小下一步动作」——对数据库 schema 逐字段标注并发写概率并统计占比;再让两人同时改同一字段一次,检查审计日志是否记录了被覆盖的旧值。

一句话(费曼层)

别拿大炮打蚊子——绝大多数软件里,谁最后改的听谁的,再加一本「谁在什么时候改了什么」的流水账,就解决了九成五的打架问题。

为什么这条路线被低估

讲 CRDT 的文章都在讲数学之美,讲本地优先的演讲都在演示无冲突协同的魔术效果,读者的目光天然流向「最完整的解」。但事实包给了一条极其实用的判据:多数应用不需要全量 CRDT——last-write-wins 加审计日志处理 95% 场景。这条判据不容易被看见,因为它不酷、不像一个能拿去讲的技术成果,却是真正帮团队省下数月工时的那个。95% 定律是本地优先思路里的「反对过度工程」声音,是对 CRDT 光环的必要降温——写它的目的,是让读了思维件 #2 热血上头的团队,先冷静一下再画架构图。根源在激励结构:讲「我们用了 CRDT」听起来像成果,讲「我们用 LWW 就够了」听起来像没做事——于是过度工程成了默认姿态。

第一性原理拆解

冲突解决是有层级的。底层是「丢更新」:无仲裁,后写覆盖先写且无记录,出了事无法追责,数据损失不可知。中层是 LWW 加审计日志:后写覆盖先写,但流水账留痕,可追溯、可回滚、可复盘——丢的是即时性,保的是可问责性。顶层是全量 CRDT:任意并发自动合并,零丢失零仲裁。成本随层级指数上升:LWW 几乎零成本,一个时间戳加一张日志表;CRDT 要元数据、要库、要从架构第一天设计(事实包明确警告不能后补),还要背上首屏数 MB 的 bundle。第一性判断:为顶层能力付顶层成本之前,先量化你的场景里「同一字段真并发写」的发生率——低于阈值,中层就是最优解,这不是将就,是精确匹配。层级论还有一个衍生结论:层级可以演进——从 LWW 长到 CRDT 有路径(字段级拆细、子结构 CRDT 化),从「丢更新」长到 LWW 也有路径(补审计),怕的是起点选错还不知错。补一条常被忽略的实务:LWW 的胜负判定依赖时间戳,而分布式设备间的墙上时钟不可靠——判定必须用逻辑时钟或版本向量,不能用真实时间,否则「后写」可能是假的后写,覆盖顺序失去公信力。这一条做错,LWW 会退化成「丢更新 plus 假审计」,比不用还糟——团队以为有据可查,查到的全是错的时间线。审计日志同理:必须记录被覆盖的旧值,只记新值的日志是半份保险,真出事故时你会发现最想要的那一半恰好不在。

技术机制与关键事实

  • 95% 定律(事实包):多数应用不需要全量 CRDT;last-write-wins + 审计日志处理 95% 场景。
  • 混合样板(事实包):Relay.md 式混合——中心身份 + SSO(身份上云买便利),文档留本地(资产本地保主权),是「按层分级」的活案例:同一产品里不同层用不同策略。
  • 成本侧(事实包):CRDT 要从架构第一天设计,不能后补;bundle 体积增加(WASM 引擎 + CRDT 库 = 首屏数 MB);用户硬件方差大——三条成本都记在顶层的账上。

反例与证伪条件

证伪点一:LWW 会静默丢更新——两人同时改同一个字段,一人的改动无声消失,审计日志只告诉你「谁覆盖了谁」,不告诉你「被覆盖的值是什么」,若该值是关键业务数据,事故无法完全复盘,责任无法厘清。证伪点二:审计日志本身需要设计——不可变、可查询、可回放,做成了可变日志等于没做,很多团队的「审计」其实只是 updated_at 字段,风一吹就散。证伪点三:95% 是快照不是常数——产品从单人工具长成协作工具的过程中,这个比例会缩水,而中途升级架构的代价事实包已经警告过(不能后补)。结论:用 LWW 起步,但把字段级的并发概率监测做成常态,让升级决策有数据可依,而不是被会议上的演示效果绑架。

对善伦业务的迁移点

跨境电商:库存数量是「同一字段高频并发」的典型,别用 LWW——多渠道并发出库时,两个运营同时改库存,后写赢意味着超卖;但客户资料的不同字段(电话、地址、备注)并发概率低,LWW 加审计足够;同一客户档案两人同时改备注的场景,用字段级合并即可绕开,不必动用 CRDT 全家桶。AI 音乐:单创作者为主,工程文件保存就是 LWW,版本历史即审计日志,零额外架构,导出给合作方就是一份完整时间线。小说创作:章节稿几乎单人写,LWW 完全够用;只有多人改稿场景才评估 CRDT,而那一天可能比你以为的远得多——编辑改稿的本质是串行意见,不是并发编辑。正明 AI 系统:配置、记忆条目用 LWW 加审计日志起步;跨设备协同编辑需求真实出现时,再按思维件 #2 评估是否上 CRDT——按 95% 定律,多数一人公司永远等不到那天,等的都在等待中上了别家的车。

最小下一步动作(≤2 小时)

打开你产品的数据库 schema,列出所有字段,逐个标注「并发写概率:高 / 中 / 低」,统计高并发行占全部写入的比例。如果低于 5%(估算阈值,按团队实际调整),你的团队今年不需要 CRDT——把省下的时间花在审计日志的不可变性上,回报更高:真出事故时,能复盘比能合并更救命。