ZAB最终一致性算法

一、老生常谈

        1、CAP理论

        对于一个分布式系统，不能同时满足以下三点

                一致性（Consistency）：对某个指定的客户端来说，读操作保证能够返回最新的写操作结果。（服务A接收请求，将结果同步到服务B上，直到服务B给出正确的响应结果，才将结果返回给用户，服务A阻塞等待牺牲可用性）

                可用性（Availability）：非故障的节点在合理的时间内返回合理的响应（不是错误和超时的响应）。（服务A接收请求处理后，服务B异步完成处理，提高系统性能）

                分区容错性（Partition Tolerance）：当出现网络分区后，系统能够继续履行职责。

                

2、CAP理论的应用

实际的互联网应用中我们一定要选择P，因为分布式系统中我们不可能建立一个网络不出现任何故障的集群；

因此互联网项目中一般是CP应用或者是AP应用；

CP应用：数据分区，所有节点同步完所有数据后给予客户端响应

AP应用：数据分区，接收请求的节点完成数据更新后给予客户端响应（数据同步通过异步或其它形式，若出现同步问题，可以采用补偿的形式保证最终一致性）

AC应用：数据不分区，所有的数据再一个应用上。单体应用；

二、ZAB算法原理

        1、ZAB算法的选举

                基础概念

                SID：机器id       

                epoch：任期编号       

                counter：索引序号（每增加一值索引序号增加1）

                zid：事务id（epoch+counter）

                节点角色

                Leader：通过选举确定一台机器，为客户端提供读写功能
                Follower：提供读功能，参与选举
                Observer：提供读功能，不参与选举，也不参与过半成功策略。因此observer是在不影响写性能下，提升集群的读性能

                选举规则：优先比较zid，在比较SID（zid>SID）

                选举过程

                        初始化状态（集群初始化）：

                                1 节点启动时，epoch以及counter相同，依据SID进行判断，自身节点最大时，向自己投一票并向其它节点拉票；

                                2 当获得票数超过节点数一半时成为leader；

                                3 leader将自身epoch节点+1同步给其它节点；并向其它节点发送心跳

                                4 新加入的节点加入后即使发现自身SID较大，但已经有leader了，会以follower的身份加入；

        2、原子广播阶段（数据同步）

                每个节点都是队列维护日志数据；

                1、leader接收数据，保存日志为未提交状态，并将日志同步到follower；

                2、follower接收请求后保存日志（未提交状态），并告诉leader保存成功；

                3、半数以上follower节点保存成功，leader节点把日志提交，发出提交命令；

        3、崩溃恢复

                1、新的leader由于zid较大成为leader，新的leader会将自己有的日志未提交的数据同步给follower节点处理掉；

                2、旧的leader将日志存储后没有广播日志就挂了，新任leader没有此条日志，旧的leader启动时以follower启动时再加入集群会将没有广播的那条消息丢弃；