分布式系统-4-同步网络一致性算法

引言

上一篇文章讲了分布式同步网络算法中的BFS、最短路径、MST和MIS算法，这一篇文章将会将分布式系统中一个非常重要的问题-一致性。在单节点的环境中，一致性问题是比较容易解决的，像单节点的数据库，因为只有一个节点，也就不存在数据不一致的说法。

因为机器总会有概率出故障，如果仅仅是单节点应用，一旦机器发生故障，那么服务将不可用。为了提供高可用的应用，多节点部署应用成为一种解决方案，但是多节点部署应用也引发了一些问题，比如节点故障依然存在；并且因为多节点，导致节点间需要通信，因此系统存在通信故障，如果机器不是在自己机房内，可能要有Byzantine故障，这些问题都可能导致数据一致性问题。比如，在分布式数据库事务中，假设两个进程a，b需要通信来达成是一致（提交或者回滚），因为通信故障，a收到b的提交请求，但是b没有收到a的请求，此时a可能会提交，而b可能回滚，那么就出现数据不一致。

接下来的文章的结构是，第一部分是介绍在分布式同步网络中，如何在通信故障下解决一致性问题；第二部分介绍，如何在节点停止故障下解决一致性问题；第三部分介绍，如何在节点出现Byzantine故障下解决一致性问题。

####通信故障下一致性

协同攻击问题

• 定义：几个将军协同攻击问题，所有将军通过信使互相传递消息，经过图的直径轮后，消息会传递给各个将军，最后决议是否发起攻击，但是如果有消息丢失，那么将军无法达成一致。在计算机中，比如分布式数据库事务

• 决议满足的条件
  1. 一致性：没有两个进程决议不同的值
  2. 有效性：如果所有进程初始值为0，那么决议值只能是唯一的0；如果所有进程的初始值为1，那么决议值只能是唯一的1
  3. 终止性：所有进程最终为做出决议

协同攻击问题-随机化版

• 定义：对消息丢失做一定概率性假设，然后必须允许一定概率违反一致性和有效性

• 前提假设

  1. 每个进程有确定的起始状态
  2. 知协议在固定的$r\ge 1$轮终止，在$r$轮后，每个进程节点需要输出它的决议
  3. 消息的丢失不是随机发生，而是由“对手”决定的

• 通信模式

  • $(i,j,k)$中$(i,j)$是图的一条边，$k\ge 1$，代表在k轮的从i发给j的消息
  • 定义通信模式$\gamma$是good，一系列的$(i,j,k)$消息投递成功的
  • 对于任意的对手B不一致的概率为，PrB{ some process decides 0 and some process decides 1}≤ϵPr^B\{some \ process\ decides\ 0\ and\ some\ process\ decides\ 1\} \le \epsilonPrB{ some process decides 0 and some process decides 1}≤ϵ

• "对手"的作用

  • 为图中每个节点分配input值
  • 定义一个good的通信模式

• RandomAttack算法

  • 前提假设：为简单起见，假设图是n节点的完全图(完全图是指图中任意两个节点都有直接边连接)

  • 定义通信模式

    • 通信模式$\gamma$这里指的是消息的偏序关系，$(i,k)$代表i节点的k时刻，有如下关系

      1. 对于所有的$1\le i\le n$和所有的$0\le k\le k^{\prime }$满足$(i,k){\le }_{\gamma }(i,k^{\prime })$
      2. 如果$(i,j,k)\in \gamma$，则有$(i,k-1){\le }_{\gamma }(j,k)$
      3. 传递性，如果$(i,k){\le }_{\gamma }(i^{\prime },k^{\prime })$并且$(i^{\prime },k^{\prime }){\le }_{\gamma }(i^{\prime \prime },k^{\prime \prime })$则有$(i,k){\le }_{\gamma }(i^{\prime \prime },k^{\prime \prime })$

    • 定义$level$，用$leve{l}_{\gamma }(i,k)$表示进程$i$在$1\le k\le r$的值，值的规则如下

      1. 如果$k=0$，那么$leve{l}_{\gamma }(i,k)=0$
      2. 如果$k>0$并且有$j\ne i$使得$(j,0){>}_{\gamma }$