一致性协议整理(总述)

       一致性协议分布式环境下，解决如何在多节保证数据的一致性。分布式理论中，CAP 理论是分布式的理论基础，2PC 是分布式事务简单实现。本章首先简单介绍 CAP 理论和 2PC，然后介绍一致性协议实现的主要组成，比如 Leader 选举、日志同步、健康检查、故障恢复、脑裂和快照等。至于具体的协议实现如 Raft、ZAB 等不在本章做具体说明，将会在后面的章节做具体介绍。

CAP

1.什么是数据一致性？

      如图1/2，当用户向 DB1 插入数据 a 后，在向用户返回响应前，确保了 DB1、DB2 和 DB3 都有了 a 这个数据。所以在得到响应之后，用户不管访问那个库，都能保证获得到相同的数据。

2.什么是网络分区？

如图3所示，DB3 与 DB1 和 DB2 无法连通时，就会出现网络分区，在 DB1 和 DB2 修改的数据无法同步的 DB3，同样 DB3 修改的数据也无法同步到 DB1 和 DB2，这就出现网络分区。而 CAP 理论就提供一种思路和方法，去解决这个问题。

3.CAP理论如何解释上述的矛盾(一致性和网络分区)？

C：Consistency 一致性(数据一致)。

A：Availability 可用性，用户请求能够在有限的时间内返回响应(访问任意服务)。

P：Partition tolerance 分区容错性(分布式系统内部的网络故障)。

        根据 CAP理论，一个系统无法同时满足 C、A 和 P。而在分布式系统中要么实现 CP，要么实现 AP，为什么这么说？

        (1)分布式至少2台的机器，机器之间必须通过网络通信，既然是网络，就可能出现网络故障，如图3的情况，所以分布式系统必定满足 P。

        (2)在满足 A 的情况下(AP)，如果向 DB1 插入数据 b，DB1 同步 DB2, 但在网络故障的情况下，DB1 无法同步 DB3, 导致数据不一致。在满足 A 的情况下， DB3 依然可以访问，但 read b时，无法获取数据。但访问 DB1 和 DB2 可以，从而导致读数据的不一致。

        (3)在满足 C 的情况下(CP)，如果向 DB1 插入数据，DB1 同步 DB2, 但在网络故障的情况下，DB1 无法同步 DB3, 导致数据不一致。在满足 C 的情况下，由于数据不一致，访问数据会返回 error。

两阶段提交(2PC) 

阶段一

事务询问：