分布式基础——Paxos算法

分布式基础——Paxos算法

介绍

Paxos算法是莱斯利·兰伯特（英语：Leslie Lamport，LaTeX中的“La”）于1990年提出的一种基于消息传递且具有高度容错特性的共识（consensus）算法。需要注意的是，虽然Paxos和Raft一样，在非拜占庭问题中，都保证各个节点之间的强一致性，但是“一致性”和“共识（consensus）”并不是同一个概念。Paxos是一个共识（consensus）算法。

自Paxos问世以来就持续垄断了分布式一致性算法，Paxos这个名词几乎等同于分布式一致性。Google的很多大型分布式系统都采用了Paxos算法来解决分布式一致性问题，如Chubby、Megastore以及Spanner等。开源的ZooKeeper，以及MySQL 5.7推出的用来取代传统的主从复制的MySQL Group Replication等纷纷采用Paxos算法解决分布式一致性问题。

内容

两大阶段

• prepare

  • prepare(N)请求: proposer提出一个proposal, 编号为N (编号应该时递增的，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(并承诺不在接收比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，否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新value,否则返回本次议案的value注:收到议案的n与提出编号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
  • 当proposer收到超过半数的acceptor的返回值后，达成共识

案例分析

• 参谋1在prepare阶段发出议案，将军1，2发现该议案的编号（N）最大，回复ok
• 参谋2在prepare阶段发出议案，将军2，3发现该议案的编号（N）最大，回复ok
• 参谋1进入accept阶段，发送信息，但此时进军2已经收到了N更大的议案，所以拒绝了参谋1的后续请求
• 参谋2进入accept阶段，发送信息，此时将军2，3发现该议案的编号（N）最大，回复accepted
• 之后参谋1重新提出议案

缺点以及优化

• 容易产生活锁，两个proposer（参谋）不断提出编号更高的议案，希望自己优先执行，可以手动增加间隔时间或者使用二进制指数退避算法（等待时间随碰撞次数增加而发生指数增长，从而避免频繁的触发冲突）来缓解
• 效率低，Multi-paxos先选出Leader后，每次仅需一轮
• 实现困难

参考

Paxos算法详解 - 知乎 (zhihu.com)

十五分钟带你了解Paxos算法_哔哩哔哩_bilibili