分布式一致性共识简介---CAP理论和Paxos共识算法

1.1 CAP定理

　　cap定理是下面三个单词的首字母缩写：

　　(1)Consistency：一致性

　　　　通信超时和更新延迟都属于一致性问题，出现这个问题原因是存在多台服务器，而且每台服务器都有自己的数据，

　　输入数据冗余可以提高系统的可用性和分区容错性，但是难以满足强一致性。如果想要解决一致性问题，也就是达到

　　强一致性，比如把所有的请求都通过单台服务器处理，那么就很难达到高可用性。

　　(2)Availability：可用性

　　　　对于高可用性的系统来说，往往会保留强一致性。典型的就是延迟处理，利用消息队列之类的中间件，在后台逐个处理

　　队列中的请求，当处理完毕之后，系统达到了强一致性状态。但是要求强一致的系统，比如元数据系统，分布式数据库系统，

　　它们的可用性往往是有上限的。

　　(3)Partition-tolerance：分区容错性

　　CAP定理指出，在异步网络模型中，不存在一个系统可以同时满足上面3个属性。换句话说，分布式系统必须舍弃其中的一个属性。

　　从经验上来说，可用性或者一致性都是往往被弱化的对象。

分布式系统中不存在同时覆盖3个属性的区域，但是可以找到同时覆盖两个属性的区域，如下维恩图：

1.2 共识算法

　　保证所有的参与者都有相同的认知(可以理解为强一致性)。共识算法本身可以依据是是否有恶意节点分为两类，

大部分时候共识算法都是没有恶意节点的那一类，系统中的节点不会向其他的节点发送恶意请求，比如欺骗请求。

　　共识算法最有名的应该是Paxos算法。

　　1.2.1 Paxos算法

　　由Leslie Lamport在1998年发表的The Part-Time Parliament中提出的共识算法。

　　大体的流程，三种角色：

　　(1)Proposer(提案人)：提出提案，并向Acceptor发送提案。

　　(2)Acceptor(接受者)：参与决策，回应提案，如果提案获得多数过半Acceptor接受，则认为提案被批准。

　　(3)learner(学习者)：不参与决策，只学习最新达成一致的提案。

　　Paxos算法中的决议过程分两种，一种是对单个value(值)的决议过程，也就是对单个值达成一致。

　　另一种是针对连续多个value的决议过程。前者称为Basic Paxos，后者称为Multi Paxos。

　　Basic Paxos：

　　　　(1)Proposer生成全局唯一且递增的proposal id，并向所有的Acceptor发送prepare请求。

　　　　(2)Acceptor收到请求后，如果proposal id正常，则回复已接受的proposal id种最大的决议id和value。

　　　　(3)Proposer接收到多数Acceptor的响应后，从答应中选择proposal id最大的value，并发送给所有的Acceptor。

　　　　(4)Acceptor收到proposal之后，接受并持久化当前的proposal id和value。

　　　　(5)Proposer收到多数Acceptor的响应之后形成决议，Proposer发送决议给所有learner。

　　　　对于多个value，来回两次的决议使其性能不是很理想，所以针对连续的多个value决议的Multi Paxos。

　　　　Multi Paxos基本思想是先使用Basic Paxos决议出leader，再由leader推进决议。Multi Paxos和Basic Paxos的具体不同：

　　　　(1)每个Proposer使用唯一的id标志。

　　　　(2)使用basic paxos在所有Proposer中选取一个leader，由leader提交proposal给Acceptor表决，这样Basic Paxos中的

　　(1)-(3)都可以跳过，提高效率。