一致性，是描述多副本的同步特征（本文我们不讨论分布式数据库中，保持多个分片里的数据在业务逻辑上一致性的情况，仅讨论数据多副本的case）。一般从两个角度来研究：
从全局数据角度来看：
- 强一致性： 无论谁、无论何时读，得到的都是最新写入后的结果
- 线性一致性： 如果把读写操作按照严格时间戳排序，每个进程的读写都遵循该排序的结果
- 顺序一致性： 每个进程的读写操作顺序都一致，但不保证按照时间戳顺序
- 因果一致性： 两个有因果关系（读写了同一数据）的进程之间，读写顺序都一致，不保证按照时间戳顺序，而且无关的进程读写顺序可以不一样
- 一般一致性： 就是传统意义上的最终一致性，各副本上的数据最终是同一个值
从某个客户端角度来看：
- 写后读：同一个客户端，不论在哪里读写，写入后，读出来的总是不旧于刚刚的写入
- 读后写：同一个客户端，不论在哪里读写，读出后，写进去的总是在刚才读出的数的基础上（可能比读出的更加新的基础上）
- 单调读：同一个客户端，不论在哪里读，每次读出的都不旧于上次读出的
- 单调写：同一个客户端，不论在哪里写，每次写入的都是在上次写入基础上（可能比上次写入的更加新的基础上）
- 最终一致：同一个客户端，不论在哪里读写，做了若干次读写、经过一段时间后，看到一个稳定不变的值
这两个角度并不是一一对应的关系。比如，全局数据角度的“强一致性”，要比“客户端角度”的写后读更强，因为可能有多个客户端在并发运行。我们给一个商业应用设计架构的时候，更多是从客户端视角来看问题的。
隔离级别，是研究事务之间数据的可见关系，讨论的是“并行的写入过程中、或者有的已写入（提交）而有的尚未真正写入（未提交）这个过程中”发生的事情；而一致性研究的是大家在都写入后发生的事情，而忽略写入过程、将其看做原子操作。隔离级别跟一致性是正交的关系。