分布式一致性协议实现原理

为什么需要一致性

1. 数据不能存在单个节点（主机）上，否则可能出现单点故障。
2. 多个节点（主机）需要保证具有相同的数据。
3. 一致性算法就是为了解决上面两个问题。

一致性算法的定义

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。

一致性的分类

• 强一致性
• 说明：保证系统改变提交以后立即改变集群的状态。
• 模型：
• Paxos
• Raft（muti-paxos）
• ZAB（muti-paxos）
• 弱一致性
• 说明：也叫最终一致性，系统不保证改变提交以后立即改变集群的状态，但是随着时间的推移最终状态是一致的。
• 模型：
• DNS系统
• Gossip协议

一致性算法实现举例

• Google的Chubby分布式锁服务，采用了Paxos算法
• etcd分布式键值数据库，采用了Raft算法
• ZooKeeper分布式应用协调服务，Chubby的开源实现，采用ZAB算法

Paxos算法

• 概念介绍

1. Proposal提案，即分布式系统的修改请求，可以表示为[提案编号N，提案内容value]
2. Client用户，类似社会民众，负责提出建议
3. Propser议员，类似基层人大代表，负责帮Client上交提案
4. Acceptor投票者，类似全国人大代表，负责为提案投票，不同意比自己以前接收过的提案编号要小的提案，其他提案都同意，例如A以前给N号提案表决过，那么再收到小于等于N号的提案时就直接拒绝了
5. Learner提案接受者，类似记录被通过提案的记录员，负责记录提案

• Basic Paxos算法
• 步骤

1. Propser准备一个N号提案
2. Propser询问Acceptor中的多数派是否接收过N号的提案，如果都没有进入下一步，否则本提案不被考虑
3. Acceptor开始表决，Acceptor无条件同意从未接收过的N号提案，达到多数派同意后，进入下一步
4. Learner记录提案

Basic Paxos算法

• 节点故障
• 若Proposer故障，没关系，再从集群中选出Proposer即可
• 若Acceptor故障，表决时能达到多数派也没问题
• 潜在问题-活锁
• 假设系统有多个Proposer，他们不断向Acceptor发出提案，还没等到上一个提案达到多数派下一个提案又来了，就会导致Acceptor放弃当前提案转向处理下一个提案，于是所有提案都别想通过了。
• Multi Paxos算法
• 根据Basic Paxos的改进：整个系统只有一个Proposer，称之为Leader。
• 步骤

1. 若集群中没有Leader，则在集群中选出一个节点并声明它为第M任Leader。
2. 集群的Acceptor只表决最新的Leader发出的最新的提案
3. 其他步骤和Basic Paxos相同

Multi Paxos算法

• 算法优化
  Multi Paxos角色过多，对于计算机集群而言，可以将Proposer、Acceptor和Learner三者身份集中在一个节点上，此时只需要从集群中选出Proposer，其他节点都是Acceptor和Learner，这就是接下来要讨论的Raft算法

Raft算法

• 说明：Paxos算法不容易实现，Raft算法是对Paxos算法的简化和改进
• 概念介绍

1. Leader总统节点，负责发出提案
2. Follower追随者节点，负责同意Leader发出的提案
3. Candidate候选人，负责争夺Leader

Raft算法中的角色

• 步骤：Raft算法将一致性问题分解为两个的子问题，Leader选举和状态复制
• Leader选举

1. 每个Follower都持有一个定时器

2.当定时器时间到了而集群中仍然没有Leader，Follower将声明自己是Candidate并参与Leader选举，同时将消息发给其他节点来争取他们的投票，若其他节点长时间没有响应Candidate将重新发送选举信息

3. 集群中其他节点将给Candidate投票

4. 获得多数派支持的Candidate将成为第M任Leader（M任是最新的任期）

5. 在任期内的Leader会不断发送心跳给其他节点证明自己还活着，其他节点受到心跳以后就清空自己的计时器并回复Leader的心跳。这个机制保证其他节点不会在Leader任期内参加Leader选举。

6. 当Leader节点出现故障而导致Leader失联，没有接收到心跳的Follower节点将准备成为Candidate进入下一轮Leader选举

7. 若出现两个Candidate同时选举并获得了相同的票数，那么这两个Candidate将随机推迟一段时间后再向其他节点发出投票请求，这保证了再次发送投票请求以后不冲突

• 状态复制

1. Leader负责接收来自Client的提案请求（红色提案表示未确认）

2. 提案内容将包含在Leader发出的下一个心跳中

3. Follower接收到心跳以后回复Leader的心跳

4. Leader接收到多数派Follower的回复以后确认提案并写入自己的存储空间中并回复Client

5. Leader通知Follower节点确认提案并写入自己的存储空间，随后所有的节点都拥有相同的数据

6. 若集群中出现网络异常，导致集群被分割，将出现多个Leader

7. 被分割出的非多数派集群将无法达到共识，即脑裂，如图中的A、B节点将无法确认提案

8. 当集群再次连通时，将只听从最新任期Leader的指挥，旧Leader将退化为Follower，如图中B节点的Leader（任期1）需要听从D节点的Leader（任期2）的指挥，此时集群重新达到一致性状态

ZAB算法

• 说明：ZAB也是对Multi Paxos算法的改进，大部分和raft相同
• 和raft算法的主要区别：

1. 对于Leader的任期，raft叫做term，而ZAB叫做epoch
2. 在状态复制的过程中，raft的心跳从Leader向Follower发送，而ZAB则相反。

Gossip算法

• 说明：Gossip算法每个节点都是对等的，即没有角色之分。Gossip算法中的每个节点都会将数据改动告诉其他节点（类似传八卦）。有话说得好："最多通过六个人你就能认识全世界任何一个陌生人"，因此数据改动的消息很快就会传遍整个集群。
• 步骤：

1. 集群启动，如下图所示（这里设置集群有20个节点）

2. 某节点收到数据改动，并将改动传播给其他4个节点，传播路径表示为较粗的4条线

3. 收到数据改动的节点重复上面的过程直到所有的节点都被感染