1.分布式一致性算法paxos和raft

1.研究分布式一致性算法，我们应该关注分布式一致性算法上，而不是关注paxos和raft，无论这个算法叫A也好叫B也好，我们并不关心这个名字。只是paxos给分布式一致性算法提供了一种思路，这种思路其实是很好理解的，就算是稍微有点逻辑的都绝对能看懂，所以不用觉得这个有多神奇。

2. paxos

看一下paxos能保证的极限，或者说它能保证一致的前提条件，或者说它的边界在哪里，首先paxos是保证2n+1台机器中n台挂了，不影响数据的一致性，但是大于 n+1台挂了，就不能保证数据的一致性了（ n+1 台存数据 的全部挂了）。所以paxos并不是神。

3. paxos的具体流程

paxos把分布式进程分成3个角色proposer（发起提案，就是说要提出更新数据了）、acceptor（对于提出的提案判决）、learner（同步已经通过的提案）。当然一个程序可以身兼3职，也就是我是proposer，也是acceptor和learner。 一大家子人一起生活，想要统一思想就要大家都认可才行。简单来说想要更新数据，就要通过大家的认可（也就是n+1个人的认可，总数是2n+1）。想要通过大家的认可，要执行两个步骤：

第一步：proposer（想要更新数据的人），向acceptor发送一个id提案，等待超过 n+1 个acceptor的反馈，当n+1个acceptor回复proposer时，proposer进行第二步操作，这一步的目的是看看大多数的acceptor是不是都在一个级别，如果proposer提议一个id为5的提案，大家的id都在3阶段，大家事务4还没同步呢，大家根本就不理你，等大家都到4了，proposer提5大家说前面的都同步了，5可以通过，这样才能进行下一步。

第二步：proposer看大家都可以接受，然后通知acceptor同步这条更新数据，acceptor自己更新完成之后，依然要回复proposer更新成功，proposer等到收到n+1个acceptor回复更新成功，就认为这个数据更新成功。然后通知所有的节点更新成功（这一步不可或缺）。这个时候就算n台挂了，有一个节点保存数据，这个数据就不会丢。

4.raft

raft在paxos的基础是，限定了只能有一个proposer，也就是只有一个节点能发起提案更新数据。

raft的角色划分：

leader 领导者，接受事务请求，同步数据给follower

follower 追随者，同步数据，接受读请求，转发事务请求到leader

candidate 候选者，为参与选举状态

raft多了一个选举leader的过程，当leader选好之后就变成只有一个proposer的paxos。

5.无论是paxos,还是raft我们只关心一致性算法的思路，核心的东西，事物的本质。

这些一致性算法的本质是在2n+1个进程中，当数据已经同步到n+1台机器中的时候，可以保证在n台进程挂了之后还能保证数据的一致性。好吧，我们已经看到这个算法的边界了。它有它不能保证的。

留一问题：如果你想要保证2n+1台机器中，只要小于2n+1台进程挂了都不会影响数据的一致性，该怎么办呢，相信你已经想到了。