伴随着互联网应用的快速增长,应用的数据类型更加多样,数据量更为庞大。为了避免大量数据访问造成的单点失效,提高应用的可扩展性,现代互联网应用选择分布复制数据,同时提高了用户数据的可用性。分布复制数据带来了新的问题,CAP定理说明在发生网络分区时一致性与可用性存在权衡。为了保证服务的高可用与低延迟,互联网应用转而选择弱一致性。键值存储数据库是NoSQL数据库的典型代表,为应用提供了所需要的弱一致性,在实践中弱一致性的选择取得了显著的成效。弱一致性的成功引入了新的挑战,即对弱一致性的度量。弱一致性包含的范围极广,不同的键值存储数据库实现所提供的弱一致性存在很多细微的差别,在不同场景与负载下弱一致性的表现同样存在差异。另外,键值存储数据库允许用户自由调配各项接口参数,不同的参数组合产生了更为多样的一致性效果,为弱一致性的度量造成更大的困难。度量弱一致性不能按照特定应用的标准进行,因为不同的应用对数据一致性的要求不同,难以给出通用性强、系统性强的弱一致性度量方法。最后弱一致性度量需要有合理性与精确性,度量手段的出发点不能背离直观感受,要保证度量的系统性、精确性,从而为用户权衡弱一致性提供帮助。针对上述问题,本文提出了一种新的弱一致性度量技术。具体而言,本文的主要贡献包括:首先,本文给出了一个新的基于逆序对的i-atomicity 一致性泛化模型,根据其定义能够度量给定执行的弱一致性。随后给出了i-atomicity的判定算法,并证明算法的正确性。本文进一步分析算法的复杂度,并说明在一类特定场景下算法是伪多项式时间复杂度。最后给出了两项在算法实践中的优化,在具体实现中有效提升了算法的运行效率。其次,本文基于i-atomicity对云环境下的键值存储系统度量弱一致性。在搭建好的阿里云Cassandra集群与作为补充的本地Cassandra集群下,通过全面地调配实验参数获得不同一致性的执行记录。利用i-atomicity对执行记录度量一致性,并与经典的k-atomicity和Γ-atomicity模型对比。对比结果表明,i-atomicity在度量的敏感性与全面性上对现有模型存在较为明显的优势。最后,本文基于i-atomicity对移动平台下的键值存储系统度量弱一致性。本文给出了基于DSM的移动平台协同中间件MDSM,MDSM让应用可以在一致性和延迟之间灵活权衡。以基于MDSM的多人手机游戏为例,调整各项参数并使用i-atomicity度量其一致性程度。移动平台的度量结果同样表明i-atomicity在度量弱一致性时具有敏感性与全面性的优势。