Paxos算法-CSDN博客

Paxos 算法是莱斯利·兰伯特(Leslie Lamport)1990 年提出的一种基于消息传递的、具有高容错性的一致性算法。Google Chubby 的作者 Mike Burrows 说过，世上只有一种一致性算法，那就是 Paxos，所有其他一致性算法都是 Paxos 算法的不完整版。

Paxos 算法是一种公认的晦涩难懂的算法，并且工程实现上也具有很大难度。

所以 Paxos算法主要用来解决我们的分布式系统中如何根据表决达成一致。

算法前置理解

首先需要理解的是算法中的三种角色

Proposer（提议者）
Acceptor（决策者）
Learners（群众）

一个提案的决策者(Acceptor)会存在多个，但在一个集群中提议者(Proposer)也是可能存在多个的，不同的提议者(Proposer)会提出不同的提案。

paxos算法特点：

没有提案被提出则不会有提案被选定。

每个提议者在提出提案时都会首先获取到一个具有全局唯一性的、递增的提案编号 N，即在整个集群中是唯一的编号N，然后将该编号赋予其要提出的提案。（在zookeeper中就是zxid，由epoch 和xid组成）

每个表决者在 accept 某提案后，会将该提案的编号N 记录在本地，这样每个表决者中保存的已经被 accept 的提案中会存在一个编号最大的提案，其编号假设为 maxN。每个表决者仅会 accept 编号大于自己本地maxN 的提案。

在众多提案中最终只能有一个提案被选定。

一旦一个提案被选定，则其它服务器会主动同步(Learn)该提案到本地。

Paxos算法整个选举的过程可以分为两个阶段来理解。

阶段一

这个阶段主要是准备阶段发送提议

提议者(Proposer)准备提交一个编号为 N 的提议，于是其首先向所有表决者(Acceptor)发送 prepare(N)请求，用于试探集群是否支持该编号的提议。

每个决策者(Acceptor)中都保存着自己曾经 accept 过的提议中的最大编号 maxN。当一个表决者接收到其它主机发送来的 prepare(N)请求时，其会比较 N 与 maxN 的值。

若 N 小于 maxN，则说明该提议已过时，当前表决者采取不回应来拒绝该 prepare 请求

若N 大于maxN，则说明该提议是可以接受的，当前表决者会首先将该 N 记录下来，并将其曾经已经 accept 的编号最大的提案 Proposal(myid,maxN,value)反馈给提议者，以向提议者展示自己支持的提案意愿。其中第一个参数 myid 表示表决者 Acceptor 的标识 id，第二个参数表示其曾接受的提案的最大编号 maxN，第三个参数表示该提案的真正内容 value。

若当前表决者还未曾 accept 过任何提议（第一次初始化的时候），则会将Proposal(myid,null,null)反馈给提议者。

在当前阶段 N 不可能等于maxN。这是由 N 的生成机制决定的。要获得 N 的值，其必定会在原来数值的基础上采用同步锁方式增一

阶段二

当前阶段要是真正的发送接收阶段又被称为Accept阶段

当提议者(Proposer)发出 prepare(N)后，若收到了超过半数的决策者(Accepter)的反馈，那么该提议者就会将其真正的提案 Proposal(N,value)发送给所有的表决者。

当决策者(Acceptor)接收到提议者发送的 Proposal(N,value)提案后，会再次拿出自己曾经accept 过的提议中的最大编号 maxN，及曾经记录下的 prepare 的最大编号，让 N 与它们进行比较，若N 大等于于这两个编号，则当前表决者 accept 该提案，并反馈给提议者。若 N 小于这两个编号，则决策者采取不回应来拒绝该提议。

若提议者没有接收到超过半数的表决者的 accept 反馈，则重新进入 prepare 阶段，递增提案号，重新提出 prepare 请求。若提议者接收到的反馈数量超过了半数，则其会向外广播两类信息：

向曾 accept 其提案的表决者发送“可执行数据同步信号”，即让它们执行其曾接收到的提案

向未曾向其发送 accept 反馈的表决者发送“提案 + 可执行数据同步信号”，即让它们接受到该提案后马上执行。

假设现在我们有三台主机服务器从中选取leader（也可以选择其他的更多的服务器，为了比较方便容易理解这里选少一点）。所以这三台主机它们就分别充当着提议者(Proposer)、决策者(Acceptor)、Learners（群众）三种角色。

所以假设现在开始模拟选举，三台服务分别开始获取N（具有全局唯一性的、递增的提案编号 N）的值，此时 serverOne(主机1) 就对应这个 ProposerOne(提议者1)、serverTwo(主机2)对应ProposerTwo(提议者2)、serverThree(主机3)对应ProposerThree(提议者3)。

为了整个流程比较简单清晰，过程中更好理解。他们的初始N值就特定的设置为 ServerOne（2）、ServerTwo（1）、ServerThree（3），所以他们都要发送给提议（Proposal）给决策者(Acceptor)，让它们进行表决确定

名词解析

提议（Proposal）：提议者向决策者发送的中间数据的包装简称提议。

同时每个提议者(Proposer)向其中的两个决策者(Acceptor)发送提案消息。所以假设：

ProposerOne(提议者1)向 AcceptorOne(决策者1)和AcceptorTwo(决策者2)、

ProposerTwo(提议者2)向AcceptorTwo(决策者2)和AcceptorThree(决策者3)、

ProposerThree(提议者3)向AcceptorTwo(决策者2)和AcceptorThree(决策者3)、

发送提案消息。为了流程结构简单就向其中的2台发送提案，但是也是已经超过半票了，当然也可以多选几个主机，多发送提案，只是流程就复杂了一点不好理解了。注意点就是一定要超过半票。

那么整个图可以如下所示：

所以根据上面的图开始走第一阶段

按照上面我们假设的流程开始执行流程

ProposerOne(提议者1)向 AcceptorOne(决策者1)和AcceptorTwo(决策者2)

AcceptorOne(决策者1)和AcceptorTwo(决策者2)第一次收到ProposerOne(提议者1)的提议(Proposal)，由于是第一次收到提议(Proposal)，本地没有存储最大的N值，所以都会接受ProposerOne(提议者1)的提议。

所以AcceptorOne(决策者1)和AcceptorTwo(决策者2)都会提议返回给ProposerOne(提议者1)告知我赞同你的提议。

同时AcceptorOne(决策者1)和AcceptorTwo(决策者2)因为收到的当前的最大提议编号N为2，并且保存在本地，所以想接受到其他的N值小于2时则不会回复提议。

而ProposerOne(提议者1)已经收到超过半数返回，所以提议通过

此时：

AcceptorOne(决策者1)本地 N值为2

AcceptorTwo(决策者2) 本地 N值为2

AcceptorThree(决策者3)本地 N值为null

ProposerTwo(提议者2)向AcceptorTwo(决策者2)和AcceptorThree(决策者3)

AcceptorTwo(决策者2)和AcceptorThree(决策者3)收到ProposerTwo(提议者2)的提议(Proposal)时。因为AcceptorTwo(决策者2)之前已经接受过ProposerOne(提议者1)的提议，所以本地的N值已经存储了2

当ProposerTwo(提议者2)的N值为1的时候，小于本地存的最大N值，所以不给予通过，也就不回复ProposerTwo(提议者2)

而AcceptorThree(决策者3)因为这是第一次收到提议，没有最大N值，所以同意提议(Proposal)，返回当前提，更新本地N值。

最后ProposerTwo(提议者2)只收到AcceptorThree(决策者3)的同意反馈，没有超过半数选择，所以不给通过。

此时：

AcceptorOne(决策者1)本地 N值为2

AcceptorTwo(决策者2) 本地 N值为2

AcceptorThree(决策者3)本地 N值为1

ProposerThree(提议者3)向AcceptorTwo(决策者2)和AcceptorThree(决策者3)

AcceptorTwo(决策者2)和AcceptorThree(决策者3)收到ProposerThree(提议者3)的提议(Proposal)时。因为

AcceptorTwo(决策者2)和AcceptorThree(决策者3)都已经都到过提议(Proposal)，所以AcceptorTwo(决策者2)收到ProposerThree(提议者3)的提议时，本地N值2小于ProposerThree(提议者3)的N值3，所以通过提议

AcceptorThree(决策者3)因为本地之前收到最大的值为1，所以本次通过也通过提议，更新本次的N值为3

最后ProposerThree(提议者3)收到超过半数的同意反馈，所以通过。

此时：

AcceptorOne(决策者1)本地 N值为2

AcceptorTwo(决策者2) 本地 N值为3

AcceptorThree(决策者3)本地 N值为3

由于之前ProposerTwo(提议者2)向AcceptorTwo(决策者2)和AcceptorThree(决策者3)发出提议时，没有超过半数投票。所以会从新获取最大N值（具有全局唯一性的、递增的提案编号 N），这个时候ProposerTwo(提议者2)本地获取的N值为4所以会再次发起一轮投票

AcceptorTwo(决策者2)和AcceptorThree(决策者3)再次收到ProposerTwo(提议者2)的提议(Proposal)时。AcceptorTwo(决策者2)和AcceptorThree(决策者3)本地存储的最大N值都小于现在最新的ProposerTwo(提议者2)的N值4，所以全部通过返回提议，更新本地N值

当ProposerTwo(提议者2)的N值为1的时候，小于本地存的最大N值，所以不给予通过，也就不回复ProposerTwo(提议者2)

最后ProposerTwo(提议者2)收到超过半数的同意反馈，所以通过。

此时：

AcceptorOne(决策者1)本地 N值为2

AcceptorTwo(决策者2) 本地 N值为4

AcceptorThree(决策者3)本地 N值为4

到此第一阶段的工作就已经完成了，整个流程都是文字较多，看起需要多看几遍。同时我也给大家画了一个流程图如下：

由于上面已经走完第一阶段，那么接下来肯定就是第二阶段的流程了

同时整体第二阶段可以分为两块来理解，第一块是正式提交提议，第二块是表决确定阶段

第一阶段执行完得到的结果：

Proposer

ProposerOne(提议者1) 本地N值为2

ProposerTwo(提议者2) 本地N值为4

ProposerThree(提议者3) 本地N值为3

Acceptor

AcceptorOne(决策者1) 本地N值为2

AcceptorTwo(决策者2) 本地N值为4

AcceptorThree(决策者3) 本地N值为4

第一块：

ProposerOne(提议者1)正式发出提议到AcceptorOne(决策者1)和AcceptorTwo(决策者2),通过第一阶段的结果可以知道只有AcceptorOne(决策者1)表决通过，AcceptorTwo(决策者2)不通过因为小于本地N值

ProposerTwo(提议者2)正式发出提议到AcceptorTwo(决策者2)和AcceptorThree(决策者3)，同样的通过第一阶段的结果，可以知道两个决策者都通过，所以超过半数投票

ProposerThree(提议者3)正式发出提议到AcceptorTwo(决策者2)和AcceptorThree(决策者3)，同样的通过第一阶段的结果，可以知道两个决策者都没有通过

第二块：

从上面的第一块结果来看，只有**ProposerTwo(提议者2)**得到半数同意，所以ProposerTwo(提议者2)立马就能成为leader。至此选举状态就结束，即ProposerTwo(提议者2)会发布广播给所有的learner，通知它们过来同步数据。当数据完成同步时，那个整个服务器的集群就能正常工作了。