分布式一致性算法-paxos介绍

概述

Paxos算法是Lamport创造基于消息传递的一致性算法，包括Google的Chubby在内很多系统都应用了Paxos算法，Google Chubby[1]有下面的描述：

all working protocols for asynchronous consensus we have so far encountered have Paxos at their core.

足见该算法在分布式系统中的地位。

 

背景说明

Paxos解决的问题是，在分布式系统中系统间如何就一个不可变变量达成一致，仅此而已！但是在该算法的基础之上我们可以做非常有意义的事情，比如Google Chubby就是对Multi-Paxos算法的工程实现，Multi-Paxos

算法的基础就是Paxos，通俗来说，就是多个轮次的Paxos算法的执行，确定一系列不可能变量的值，如果各个节点初始状态一致，再执行相同的操作序列（即确定的一系列不可变变量的值），那么最终结果必然也是一致的。这是可以应用于系统容错和系统一致性上的。

 

条件约束

在分布式系统一致性领域有一个号称定理的结果 FLP Impossibility[2][3],  在异步通信环境下，没有一个算法可以保证数据一致性。我们能够做的就是尽可能的在Liveness和Safety之前找到一个平衡，这和CAP很相像。

Paxos做了如下保证：

Liveness：

只要存在多数派，并且多数派之间网络是联通的，则：

1. 肯定会有提议被接受
2. 被接受的提议肯定可以被其他进程学习到

 

Safety:

    Do not be eval ! 保证不做错的事情

1. 只有一个值被确定或者批准，不能出现第二个值把第一个值覆盖的情况
   
   

也是两个约束条件是Paxos的算法根基。

 

推导过程

举个栗子： 假设，三个进程 Pi、Pj和Pk 想就变量V达成一致。

最直接的想法：

P1:  “进程集合中的任一进程向其他所有进程提议V的值&