Paxos算法

一致性

一致性就是数据保持一致，在分布式系统中，可以理解为多个节点中数据的值是一致的。

1. 弱一致性
   1）最终一致性
   2）DNS（典型例子，在DNS服务器中添加一条域名绑定，立即去访问是访问不到的。等待1-2分钟再去访问便是可以访问的。）
2. 强一致性

1. 数据时刻保持一致
   2）Paxos
   3）Raft

Paxos算法中的角色

Proposer：向集群提出议案 在发生冲突的时候起到冲突调节作用。

Acceptor：对提议进行投票 只有在达到多数派时提议才会最终被接受。

Learner：提议接受者，对集群一致性没什么影响 单纯的记录人员。

Proposal：proposer提出的议案或建议 编号n和内容value。

一个进程可以充当不同的角色

算法最终目标：每个Proposer、Acceptor、Learner都认为同一个Proposal的value被选中。

主要流程（两大阶段）

prepare阶段

prepare(N)请求

proposer提出一个proposal，编号为N（编号应该是递增的，大于等于之前所有已经提出的编号），向所有的Acceptor广播。

注意这里只发送编号没有内容。

promise(n, value)返回

如果N大于该acceptor此前接收的所有提案编号就接收（并承诺不再接收比N小的提议）否则拒绝 如果该acceptor存在已经同意的提案就返回这个提案的编号和内容则返回空值表示接收即可。

accept阶段

accept(N, value)请求

proposer收到多数派（多于一半的acceptor返回的promise）如果存在编号大的议案返回就进行更新value，否则返回本次议案的value。注：收到议案的n与提出的编号N无关

accepted(N)返回

如果在此期间没有任何编号大于N的提案，就接受提案内容否则就拒绝。

达成共识

当proposer收到超过半数的acceptor的返回值后，达成共识。

案例分析

案例1

参谋2发生prepare请求，三个军队收到之后，因为他们之前都已经同意了事件1，所以都给参谋2返回了编号1进攻时间1。

这里应该还有一个流程，参谋2在收到了多数派之后，它还需要发送一个accept请求。这个请求是编号2进攻时间1。

案例2

将军2在收到编号2之后表示不再接受编号小于2的命令，因此返回Rejected 编号2，因此这次的提议就失败了。

在传递编号2进攻时间2的时候，因为之前都是返回空值，所以直接指定进攻时间2。成功传到将军2和将军3时，他们都没有任何新的编号，因此都选择了接受。这时候就达成了一致。因为满足多数派。

在参谋1发送编号3后，将军1返回编号1进攻时间1，将军2返回编号2进攻时间2，因此参谋1选取编号2，因为编号2的编号更大。选取编号2进攻时间2。然后返回编号3进攻时间2。

因为将军1和将军2没有比编号3更大的议案，因此选择接受，然后返回成功。这时整个系统就达成了共识。

算法流程

缺点及相关优化措施

死锁

当某一proposer提交的proposal被拒绝时，可能是因为acceptor承诺返回了更大编号的proposal，因此proposer提高编号继续提交。

如果2个proposer都发现自己的编号过低而提出更高编号的proposal，会导致死循环（交替提高编号），这种情况也称为活锁。

解决方案：二进制指数退避算法。

效率低

每个完整流程的提议都需要经过两大轮请求返回。

Multi-paxos先选出Leader后续每次仅需一轮。

实现困难

这也是当前共识算法普遍存在的问题。

参考资料：十五分钟带你了解Paxos算法