进入21世纪以来,大规模分布式系统和云计算日益流行,分布式技术的应用价值和重要性日渐凸显。为满足新平台和新计算模式对系统的性能、可用性、容错性、可扩展性等指标的需求,底层的数据存储系统通常采用分布数据技术,这包括数据分区技术和数据复制技术。然而,分布数据带来了数据一致性问题,数据的一致性是保证应用数据安全高效可行的关键问题,在分布式领域显得尤为重要。但根据CAP定理,数据一致性和系统高可用性、分区容错性之间存在相互制约无法三者共存,最多同时满足两个,在分布式系统中,由于分区容错性必须得到保证,导致一致性与延迟(系统可用性的体现)之间的问题难以调和。因此,数据一致性问题成为分布数据服务中一项具有挑战性的研究课题。针对上述问题,抛开以往的研究角度,将各种不同的一致性模型进行各种方式的混合改进,而是从操作的角度进行分析研究。采取对操作所需的一致性强弱进行连续型细粒度划分的思想,提出了一种新的数据一致性模型——彩虹一致性。以该模型为基础,优化分布数据的一致性问题,改良分布式系统的性能。该模型的核心思想是根据具体应用可以动态划分操作一致性强弱等级,使划分得到的不同等级混合下的一致性效果达到应用的最优,也就是在尽可能保证一致性的基础上降低延迟,具有可调节性。该模型结合系统状态收敛性和常规量安全性等特征,提出一种标记方法,将不同强弱一致性操作进行分类,并作相应的彩虹颜色标记,区分归类同等性质操作,避免将不同一致性需求的操作混合一起而造成系统性能不高的情况。在彩虹一致性模型基础上设计了RbS分布式框架,采用令牌控制机制来调节不同颜色标记的操作一致性级别选择,使不同操作满足不同的一致性需求,针对性强。在该基础上,通过基准实验、对比实验和一个具体实例分别从用户请求响应时间延迟和系统吞吐量等指标分析对比验证该一致性模型的有效性,优越性及鲁棒性,改善系统性能,提升用户体验。实验表明,彩虹一致性模型对不同应用的一致性需求等级划分具有一定的现实指导意义。