千与千寻-分布式一致性与共识算法

分布式一致性与共识算法

分布式系统的一致性是指从系统外部读取系统内部的数据时，在一定约束条件下相同，即数据变动在系统内部各节点应该是同步的。根据一致性的强弱程度不同，可以将一致性级别分为如下几种：

① 强一致性 （strong consistency）。任何时刻，任何用户都能读取到最近一次成功更新的数据。

② 单调一致性 （monotonic consistency）。任何时刻，任何用户一旦读到某个数据在某次更新后的值，那么就不会再读到比这个值更旧的值。也就是说，可获取的数据顺序必是单调递增的。

③ 会话一致性 （session consistency）。任何用户在某次会话中，一旦读到某个数据在某次更新后的值，那么在本次会话中就不会再读到比这个值更旧的值。会话一致性是在单调一致性的基础上进一步放松约束，只保证单个用户单个会话内的单调性，在不同用户或同一用户不同会话间则没有保障。

④ 最终一致性 （eventual consistency）。用户只能读到某次更新后的值，但系统保证数据将最终达到完全一致的状态，只是所需时间不能保障。

⑤ 弱一致性 （weak consistency）。用户无法在确定时间内读到最新更新的值。

之前在分布式基础的文章里也有过讨论，对于分布式系统，主要有CAP理论和BASE理论。对于现实的网络来说，BASE理论是比较适用的，即实现最终一致性。

再说下共识，共识是指不同的节点通过某种方法对于某种状态达成一致的过程，即我们想要实现分布式系统的一致性需要通过某种共识算法来实现。网上有很多去纠结共识和一致性的区别，我很纳闷，为啥会把这两个概念混为一谈呢？

分布式一致性强调了多个副本呈现的数据的状态。共识强调多个节点之间对某个提案达成一致的过程。通过共识，实现某种一致性，这种一致性包括某提案的一致性，如选举，下线通知等等，也包括数据的一致性。

共识算法目前有很多种。但根据不同的错误类型可以分为两大类算法：

1、拜占庭问题。恶意伪造导致的错误；

2、非拜占庭。出现故障非恶意伪造。

拜占庭问题：

我觉得一个比较简单明了的解释：

假设有9位将军投票，其中1名叛徒。8名忠诚的将军中出现了4人投进攻，4人投撤离的情况。这时候叛徒可能故意给4名投进攻的将领送信表示投票进攻，而给4名投撤离的将领送信表示投撤离。这样一来在4名投进攻的将领看来，投票结果是5人投进攻，从而发起进攻；而在4名投撤离的将军看来则是5人投撤离。这样各支军队的一致协同就遭到了破坏。

目前存在的算法主要包括传统的PAXOS，RAFT，还有用于区块链的工作量证明、权益证明等等算法。PAXOS，RAFT实际上都没有考虑拜占庭的问题，因为都是自己内部的分布式系统，不涉及到该问题，主要是网络抖动，宕机等问题引起的不一致。而用于货币中的工作量证明，权益证明这些就需要考虑拜占庭问题的，因为这些是可以作假的。他们会引入响应的奖惩措施来处理作弊以及恶意破坏的问题。

共识算法：

Gossip算法；
Raft算法；
ZAB；
ES ZEN Discovery

一、Gossip算法

我觉得用一个简单例子来描述gossip比较合适：说一个村里儿，有一家突然有一天发生了一个事儿，女儿嫁给了一个大她20岁的老爷们儿，她邻居先听说了这个事儿，火急火燎地就把这个事儿告诉了和她打麻将的几个人儿，然后这几个人又分别告诉了好朋友，同时第一听说这件事儿的邻居还没闲下来，还再巴巴地和别人说，就这样很快，整个村儿都知道了。一个消息最后所有人都知道了。

gossip协议就是这样一种，没有中心节点，由最初的一个节点先随机选择几个节点通信，然后知道信息的节点同样再选择几个节点通信，就这样看似杂乱无章地相互通信，最终达到了一致性的一种算法。

这种算法的一个优势是不管是有新节点加入，还是有节点宕机，对现有的网络和在线节点都不会有任何的影响。就算是突然有个新节点加入，也会达到最终一致性。

目前这个算法已经非常成熟了。Redis-Cluster目前采用了这种协议。

在RedisCluster中有几个比较重要的通信类别：

Meet 通过，当前集群的节点会向新节点发送握手请求，加入现有集群。
Ping 节点每秒会向集群中其他节点发送 ping 消息，消息中带有自己已知的两个节点的地址、槽、状态信息、最后一次通信时间等。
Pong 节点收到 ping 消息后会回复 pong 消息，消息中同样带有自己已知的两个节点信息。
Fail 节点 ping 不通某节点后，会向集群所有节点广播该节点挂掉的消息。其他节点收到消息后标记已下线。

Gossip的特点就是随机冗余发送，最终达到了一个一致性。

Cluster会每100ms发送一次 ping，这里也不是发送给集群中的所有节点，而是随机选择部分节点。一个clusterSendPing会带上当前节点以及其他部分节点的信息发送出去，下面的代码只是部分的。

但Gossip协议本身也是存在很多的缺点，比如就是通信的冗余，因为就算一个节点收到了某个消息，那么下次仍然有可能收到的，这样就造成了资源的浪费。

上面是RedisCLuster使用Gossip来达到最终一致性的。除此之外在选举过程Redis采用的是RedisCluster。

二、Raft算法

Raft算法是基于之前的PAXOS算法优化的一种可行性方案，也是目前很多成熟的分布式系统都采用的算法。如Redis-cluster，Rocketmq，以及Kafka2.8开始摘除ZK之后，也采用基于Raft的共识机制。

Raft算法大的策略是将问题分治处理，将整个流程分为选举、日志同步、安全性、日志压缩、成员变更等等。

该算法的前提是为系统定义了三个角色：

1、Leader角色。整个系统只有该角色负责处理客户端的请求，并把日志同步给Follower（也是一个角色）；

2、Follower角色。一个系统会有多个Follower，他们会接收Leader的日志，并在Leader通知提交日志的时侯进行提交（持久化）。它只能接收请求；

3、Candidate角色。该角色只有在进行Leader选举的时侯才会存在，每一个Follower都可能临时成为 Candidate 。

一个系统在正常运转的时侯，肯定只有一个Leader和多个Follower存在。

下面是一个示意图，我觉得它描述得非常清晰。

如果一个Follower超过一定时间没有收到Leader角色的心跳，那么它就会等待一段随机的时间发起Leader选举，并将自己也设置为Candidate角色，且投自己一票（当然，你说要投自己一票，让别人也投你，你应该带上自己的最后一条日志的term和log index）。

如果在超时之前获得了大多数的投票，那么自己就变成Leader；如果收到了其他Leader的消息，证明已经有新的Leader，自己还变成Follower；如果没有获得超过一半的投票，那么就等待该次选举周期超时后再发起选举。

每一次选举的周期被称为term，随着选举的不断发生,term不断增大。而Candidate在选举时只选举term更大，index最新的节点。

Redis-Cluster采用的就是基于Raft的选举，当某个Master挂掉之后，多个Slave（随机时间）会发出广播消息，希望其他Master投它一票。但RedisCluster是采用异步复制，即Master到Slave数据同步是异步的，可能会出现数据丢失的情况。

Raft日志同步：

Leader接收客户端的请求后，会并行得向所有Follower以日志得形式发送，当有半数以上的Follower成功提交了日志，那么才会告知客户端成功提交了。每个日志都会包括term和索引index，以及真正要执行的指令。

那么Follower是如何处理Leader发来的日志呢。

首先Follower会将index-1的内容和Leader的进行对比，如果一致，就返回true.如果不等，就返回false，Leader收到false，会减小index值，重新发送，直到最后内容相同，Follower之后的内容都会被覆盖。

到此为止，可以看到Raft为每个日志都分配了term和index保证唯一性，此外，它也强制Follower必须要和当前的Leader保持一致。

官方描述：

leader为每个follower维护一个 nextIndex ，表明下一个将要发送给follower的log entry
当leader刚上任时，会把所有的 nextIndex 设置成其最后一个log entry的index加1，如上图，则是11
当follower的日志和leader不一致时，一致性检查会失败，那么会把 nextIndex 减1
最终 nextIndex 会是leader和follower相同log entry的index加1，这时候，再发送 AppendEntries 会成功，并且会把follower的所有之后不一致的日志删除掉。

文章推荐： Raft日志复制 Raft论文

三、ZAB协议

该协议是在zookeeper中应用的一种一致性协议，它有很多和Raft相似的地方。比如都是由leader发起写操作，都采用心跳来检测存活性，在选举过程中也都采用谁先获得多数投票谁就成为Leader。但ZAB又有很多独特的地方。

ZAB的Observer不参与请求，只提供给客户端的读请求。

ZAB全称是Zookeeper Atomic Broadcast，zookeeper原子广播协议，字面意思就可知该协议是基于广播进行的。

Zookeeper主要有两种模式，崩溃恢复和广播模式，它就是在这两种模式下切换。

崩溃恢复和Raft的选举过程也很类似，也是在Leader崩溃之后，Follower选择出一个新的Leader（也是获得超过一半的投票）。但投票条件不同，ZAB要求Follower在投票给一个节点前，必须和该节点的日志保证一致，而Raft没这要求，谁term高就给谁投。ZAB的投票参考因素是ZXID，是一个事务的序号，是不断递增的一个值。ZXID是一个64位数字，高32位表示每一代Leader（epoch），低32位表示事务的ID（count)。

那么可能问了，如果Leader在提交事务后崩溃了或者在把日志复制给Follower时，新Leader会继续处理吗？针对该问题，ZAB协议保证了两点：

1、已经被Leader的事务会被提交；

2、已经被Leader跳过的事务不会再执行；

日志复制和Raft处理方式也是大体一样，也是收到半数以上Follower的Ack后，才会提交事务。区别是ZAB中引入了一个队列，并将带有ZXID的日志按顺序发送给所有Follower，相比于Raft，ZAB实现了解耦。

广播模式的具体流程：

1、不论是zk集群的哪个机器收到了写请求，就算是follower收到了，它首先是将请求转发给leader服务器，leader负责具体的写请求处理；

2、leader生成proposal提案，并生成一个全局的ZXID，在后续的恢复模式中是很重要的一个标识。然后通过与每个follwer的队列（FIFO）发送给follower；ZXID在上面已经提到了，官方的对其的定义：

Every change to the ZooKeeper state receives a stamp in the form of a zxid (ZooKeeper Transaction Id). This exposes the total ordering of all changes to ZooKeeper. Each change will have a unique zxid and if zxid1 is smaller than zxid2 then zxid1 happened before zxid2.

3、follower收到消息后，会将数据持久化到硬盘，随后向leader发送一个ACK；

4、当leader收到集群一半以上的follower发送的ACK，就会向所有的follower发送commit；

5、follower收到leader发送的commit消息后，就将数据载入内存，供客户端读取。

这张图比较清晰描述了上个过程，但该图有个问题，就是请求不一定就是发送给leader，可以发送给ZK集群任意一个节点，只不过是如果请求是写请求的话，follower会转发给leader。