数据一致性

分布式系统的数据一致性理论

一、 问题引入

1. 数据一致性理论出现的背景（拜占庭将军问题）

拜占庭帝国国土辽阔，有5个将军带领军队守卫疆土，现面临战争，需要5个将军共进退，那如何才能让他们能够达成一起进攻或者撤退的共识？

那简单的方法是5个将军进行投票，每个将军派出信使将自己的意见传达给其他的几位将军。对于每个将军而言算上自己的票数，只要进攻票数超过2票即可进攻，反之则撤退。
但这时候可能会出现以下几种情况：
【5个将军中会不会有奸细？】
比如其中一位将军是奸细，另外4位将军中，两个同意进攻而另外两个同意撤退。那么奸细给同意进攻的两位将军传达进攻的消息，给另外的两位同意撤退的将军传达撤退的消息，那么将会产生一种情况即：两位同意进攻的将军将会发起进攻而两位同意撤退的将军会撤退。最终的战争必然会失败。

【信使会不会被暗杀或者谋反？】
信使不可靠也将导致战争的失败。

2. 分布式系统中的“拜占庭将军问题”

将“拜占庭将军问题”引入到计算机世界，一个将军代表着计算机节点，那么将问题简化一下，即：
a) 不考虑将军中存在奸细这种情况，即假定计算机只有宕机而不处理请求的情况，但不会发送伪造信息。
b) 信使不会被策反，即信道会受到噪声影响而发生错误或因为中断而无法传输消息。

那么最终就是，在信道不可信、服务器节点出现错误或宕机而无法通信的情况下，该如何保证分布式系统的数据一致性？

二、 Paxos算法

针对上述问题，我们来介绍一下Paxos算法。
在介绍Paxos算法之前我们需要了解一下Lamport在论文中提出的一个故事，即Paxos岛，大致情况是：岛上所有的法令都是由议会的议员表决通过的。议员都身兼其他职位，在表决法令的时候不一定会出席议会。但好在兼职议员互相之间高度信任，且被表决的提案都会被通过（不会有人反对）。那么当岛屿需要颁布一个法令的时候，会召集议员进行投票表决，当投同意票的议员数量超过总数的一半的时候，该法令将会被通过。

将这个故事抽象出来，Paxos算法中包含三个角色：Proposer、Acceptor、Learner。

Basic-Paxos算法

1. 这三个角色的功能

Proposer：提出议案，用于投票表决。每个议案会有一个议案编号，记为n。
Acceptor：参与议案决策，对每个议案进行投票，需要注意的是，该角色收到编号是k的提案后，会先拿该该议案的编号k与本身缓存的议案编号m对比，如果k小于m则不予响应；如果k大于m则予以响应，但不会再接收比k小的请求。
Learner： 不会参与决策，只会将最终达成一致的提案记录下来。

【注】：Proposer