分布式一致性

问题 Paxos 到底解决什么样的问题，动机是什么 Paxos 流程是怎么样的？ Paxos 算法的缺陷是什么 概述 Paxos 是分布式一致性算法，根据少数服从多数的原则多个节点确定某个数值。通过学习 Base Paxos ，我们再进一步优化，提出了 Multi Paxos . 动机 我们先思考为什么会出现一致性问题，原因是我们原本使用一台机器，而使用多台机器后（分布式），发生网络延迟或是其他原因导致所有机器不能同时在线，分布式的好处为了让我们享有可用性的好处，但是多台同时也会带来一致性的问题，最好理解的就是MySQL 中的主从复制，当主在写入的时候从没来得及复制完毕，那么此时的读到的数据是和刚写入的值是不一致的，而过多一会再次读就可以读到正确的值，也就是上面讲到的主从复制保证的最终一致性，于是，起码来说分布式中要解决这两个问题 ： 部分机器挂了 一致性问题 我们来看一下wiki中关于 Paxos 的介绍 ： Paxos is a family of protocols for solving consensus in a network of unreliable processors (that is, processors that may fail). Consensus is the process of agreeing on one result among a

　　Paxos是一种基于消息传递的分布式一致性算法，由Leslie Lamport（莱斯利·兰伯特）于1990提出。是目前公认的解决分布式一致性问题的最有效算法之一。 要解决的问题及应用场景 　　Paxos算法要解决的问题，可以理解为：一个异步通信的分布式系统中，如何就某一个值（决议）达成一致。 　　而此处异步通信是指，消息在网络传输过程中存在丢失、超时、乱序现象。 　　其典型应用场景为： 　　在一个分布式系统中，如果各节点初始状态一致，而且每个节点执行相同的命令序列，那么最后就可以得到一个一致的状态。为了保证每个节点执行相同的命令序列，即需要在每一条指令上执行一致性算法（如Paxos算法），来保证每个节点指令一致。 概念定义 　　Proposal：为了就某一个值达成一致而发起的提案，包括提案编号和提案的值。 　　涉及角色如下： 　　Proposer：提案发起者，为了就某一个值达成一致，Proposer可以以任意速度、发起任意数量的提案，可以停止或重启。 　　Acceptor：提案批准者，负责处理接收到的提案，响应、作出承诺、或批准提案。 　　Learner：提案学习者，可以从Acceptor处获取已被批准的提案。 约定 　　Paxos需要遵循如下约定： 　　1、一个Acceptor必须批准它收到的第一个提案。 　　2、如果编号为n的提案被批准了，那么所有编号大于n的提案

　　为了解决分布式一致性问题，产生了不少经典的分布式一致性算法，本文将介绍其中的2PC和3PC。2PC即Two-Phase Commit，译为二阶段提交协议。3PC即Three-Phase Commit，译为三阶段提交协议。 分布式系统和分布式一致性问题 　　分布式系统，即运行在多台不同的网络计算机上的软硬件系统，并且仅通过消息传递来进行通信和协调。 　　分布式一致性问题，即相互独立的节点之间如何就一项决议达成一致的问题。 2PC 　　2PC，二阶段提交协议，即将事务的提交过程分为两个阶段来进行处理：准备阶段和提交阶段。事务的发起者称协调者，事务的执行者称参与者。 　　 阶段1：准备阶段 　　1、协调者向所有参与者发送事务内容，询问是否可以提交事务，并等待所有参与者答复。 　　2、各参与者执行事务操作，将Undo和Redo信息记入事务日志中（但不提交事务）。 　　3、如参与者执行成功，给协调者反馈YES，即可以提交；如执行失败，给协调者反馈NO，即不可提交。 　　 阶段2：提交阶段 　　此阶段分两种情况：所有参与者均反馈YES、或任何一个参与者反馈NO。 　　所有参与者均反馈YES时，即提交事务。 　　任何一个参与者反馈NO时，即中断事务。 　　提交事务：（所有参与者均反馈YES） 　　1、协调者向所有参与者发出正式提交事务的请求（即Commit请求）。 　　2

分布式事务是企业集成中的一个技术难点，也是每一个分布式系统架构中都会涉及到的一个东西，特别是在这几年越来越火的微服务架构中，几乎可以说是无法避免。 本篇文章将通过详解分布式事务的一致性，以及分布式事务实战解决方案，帮助大家搞懂分布式事务，推荐收藏。 01 为什么需要分布式事务 由于近十年互联网的发展非常迅速，很多网站的访问越来越大，集中式环境已经不能满足业务的需要了，只能按照业务为单位进行数据拆分(包含：垂直拆分与水平拆分)，以及按照业务为单位提供服务，从早期的集中式转变为面向服务架构的分布式应用环境。 举一个典型的例子，阿里的淘宝网站随着访问量越来越大，只能按照商品、订单、用户、店铺等业务为单位进行数据库拆分，以及按照业务为单位提供服务接口。 这个时候 为了完成一个简单的业务功能，比如：购买商品后扣款，有可能需要横跨多个服务，涉及用户订单、商品库存、支付等多个数据库，而这些操作又需要在同一个事务中完，这就涉及到到了分布式事务。 本质上来说，分布式事务就是为了保证不同资源服务器的数据一致性。 02 分布式的一致性理论 最早加州大学伯克利分校 Eric Brewer教授提出一个分布式系统特性的CAP理论。 1.CAP 理论的不可能三角 一致性（Consistency） 可用性（Availability） 分区容错性（Partition tolerance） 在分布式系统中