分布式一致性算法-Paxos、Raft、ZAB、Gossip

一致性算法就是为了解决上面两个问题。

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。

说明：保证系统改变提交以后立即改变集群的状态。
模型：

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：

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]
Client用户，类似社会民众，负责提出建议
Propser议员，类似基层人大代表，负责帮Client上交提案
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
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

步骤

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。

根据Basic Paxos的改进：整个系统只有一个Proposer，称之为Leader。
步骤

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

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

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

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

集群中其他节点将给Candidate投票
获得多数派支持的Candidate将成为第M任Leader（M任是最新的任期）
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。
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
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

1、Leader负责接收来自Client的提案请求（红色提案表示未确认）

提案内容将包含在Leader发出的下一个心跳中
Follower接收到心跳以后回复Leader的心跳
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
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
若集群中出现网络异常，导致集群被分割，将出现多个Leader
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
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

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：