什么是共识？（理论篇）

共识算法，可以理解为是为了实现分布式一致性协议而产生的一系列流程与规则。当分布在不同地域的节点都按照这套规则进行协商交互之后，最终总能就某个/某些问题得到一致的决策，从而实现分布式系统中不同节点的一致性。

起源

早期的计算机应用大都是单体架构，即单个处理器就能够承接所有的计算任务、读写任务等，那时候的计算机只需要负责将自己收到的任务按序执行、提交并返回即可，因此在那个时期，研究人员的主要研究内容是如何将单核处理器的性能优化到极致。然而，随着互联网的出现与发展，数据量呈现爆发式增长，单靠一个处理器已经无法满足常规的业务需求，分布式系统架构横空出世。

分布式系统简单来说就是一系列处理器/节点通过消息交互的形式协同处理一系列的事务，从而达到横向扩展性能、提升灾备属性的效果。为了能够达到横向扩展，需要所有节点共享相同的数据副本，自然而然地也就解决了单点故障的问题。分布式系统极大提升了单体架构的性能上限，但也不可避免地引入了分布式一致性问题。分布式一致性问题指的是：

在分布式系统中，当某些节点出现异常时，如何保证整个系统对外的表现仍然一致。

这里需要关注3个词语，即“某些”、“异常”以及“一致”。

一致：分布式一致性大致分为强一致性、弱一致性、最终一致性，由于各个分类涉及的细节较多，本文不做过多赘述。

异常：在分布式系统中，不同节点通常分布在不同的地域，因此同一时间不同节点的状态可能不受控。节点可能出现一些良性错误，例如宕机、网络延迟/断开等；也可能出现一些恶意错误，例如伪造消息、向不同节点发送不同的投票等。良性错误通常是由于机器/网络故障导致的节点暂时不在线，通过人为介入是可以恢复到宕机之前的状态的，因此不会对整个系统的安全性造成威胁；而恶意错误也就是我们通常所说的拜占庭错误，则可能由于某些节点的恶意攻击导致整个集群出现不可预估的崩溃。

某些：为了应对上述两种不同类型的错误（非拜占庭错误与拜占庭错误），我们需要设计不同的协议来解决/容忍有限量的错误。通常来说，非拜占庭容错的共识算法能够容忍不超过1/2的节点出现良性错误；拜占庭容错的共识算法能够容忍不超过1/3的节点出现良性/恶意错误。

分布式系统的一致性问题早在上世纪七八十年代就开始了研究，奠定了非常扎实的理论基础，