强一致性与最终一致性是分布式系统中的两种数据一致性模型。
强一致性是指在分布式系统中，无论请求来自哪个节点，节点返回的结果都是相同的。
而最终一致性则是指系统中所有节点在一段时间内达成的数据状态是相同的，但在某些瞬时的时刻，可能会存在不同的数据状态。
这两种数据一致性模型都有各自的优缺点，强一致性能够确保数据的固定一致性，但需要保证系统的所有节点都是连通的，这会影响系统的可用性。
而最终一致性则更强调系统的可用性，但需要在合适的时间段内进行数据同步，由于网络的延迟和通信时延等原因，可能会导致某些节点的数据状态落后于其他节点，从而导致数据的丢失或错误。
在实际应用中，需要根据应用场景和需求选择合适的一致性模型。
例如，对于金融交易系统、医疗卫生信息系统等重要数据系统，要求数据的一致性非常高，强一致性是首选的；而对于社交媒体、在线游戏等数据不那么重要的系统，最终一致性能够提升系统的可用性和性能，是更好的选择。

强一致性虽然能够提供最严格的一致性保证，但是会带来较高的系统代价，而最终一致性虽然耗时更少，但是需要采用更为复杂的机制来保证最终达成一致性。因此，在实际应用场景中，需要根据不同的需求和系统特点选择合适的一致性保证机制。

强一致性和最终一致性都是分布式系统中数据一致性的概念，区别在于时间限制和数据同步。
强一致性要求在任何时刻，不论数据如何更新，所有节点都看到同样的数据状态，即数据读取的结果一定是最新的，数据写入后，其他节点也立刻能看到最新数据。
而最终一致性则是允许短暂的不一致，只要最终达到一致状态即可，即允许数据存在一段时间的不一致。
最终一致性可以采用异步数据同步方式，即允许节点之间存在一定延迟，在一定时间后最终达到一致状态。
这种方式可以提高性能和可用性。
同时，强一致性具有较高的数据可靠性要求，需要在高成本和高性能之间寻求平衡。

1.强一致性:在任何时刻所有的用户或者进程查询到的都是最近一次成功更新的数据。强一致性是程度最高一致性要求,也是最难实现的。关系 型数据库更新操作就是这个案例。

2.最终一致性:和强一致性相对,在某一时刻用户或者进程查询到的数据可能都不同,但是最终成功更新的数据都会被所有用户或者进程查询 到。当前主流的nosql数据库都是采用这种一致性策略。