标签：提议者 协调者 接受者 2PC paxos 3PC 提议 贿赂 参与者
本篇文章讲的是分布式一致性算法的理解，主要是理解和整合2PC，3PC和paxos算法的：
首先我们说说分布式一致性的两个概念，一个是分布式设置不同的业务逻辑，来达到分布式的一致性，比如分布式系统收账服务系统和付账服务系统，收账表和付账表是不同的数据库，人是要付出了钱，机器收了钱，保证钱数是对的，才能保证分布式的一致性，这个应该叫分布式业务逻辑一致性，还有一种就是都是一样的数据库，只是主库和备份的关系，这个叫分布式数据一致性，掺杂业务逻辑。
先说2PC和3PC
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、参与者执行Commit请求，并释放整个事务期间占用的资源。
3、各参与者向协调者反馈Ack完成的消息。
4、协调者收到所有参与者反馈的Ack消息后，即完成事务提交。
附如下示意图：
中断事务：（任何一个参与者反馈NO）
1、协调者向所有参与者发出回滚请求（即Rollback请求）。
2、参与者使用阶段1中的Undo信息执行回滚操作，并释放整个事务期间占用的资源。
3、各参与者向协调者反馈Ack完成的消息。
4、协调者收到所有参与者反馈的Ack消息后，即完成事务中断。
附如下示意图：
2PC的缺陷
1、同步阻塞：最大的问题即同步阻塞，即：所有参与事务的逻辑均处于阻塞状态。
2、单点：协调者存在单点问题，如果协调者出现故障，参与者将一直处于锁定状态。
3、脑裂：在阶段2中，如果只有部分参与者接收并执行了Commit请求，会导致节点数据不一致。
由于2PC存在如上同步阻塞、单点、脑裂问题，因此又出现了2PC的改进方案，即3PC。
3PC
3PC，三阶段提交协议，是2PC的改进版本，即将事务的提交过程分为CanCommit、PreCommit、do Commit三个阶段来进行处理。
阶段1：CanCommit
1、协调者向所有参与者发出包含事务内容的CanCommit请求，询问是否可以提交事务，并等待所有参与者答复。
2、参与者收到CanCommit请求后，如果认为可以执行事务操作，则反馈YES并进入预备状态，否则反馈NO。
阶段2：PreCommit
此阶段分两种情况：
1、所有参与者均反馈YES，即执行事务预提交。
2、任何一个参与者反馈NO，或者等待超时后协调者尚无法收到所有参与者的反馈，即中断事务。
事务预提交：（所有参与者均反馈YES时）
1、协调者向所有参与者发出PreCommit请求，进入准备阶段。
2、参与者收到PreCommit请求后，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、各参与者向协调者反馈Ack响应或No响应，并等待最终指令。
中断事务：（任何一个参与者反馈NO，或者等待超时后协调者尚无法收到所有参与者的反馈时）
1、协调者向所有参与者发出abort请求。
2、无论收到协调者发出的abort请求，或者在等待协调者请求过程中出现超时，参与者均会中断事务。
阶段3：do Commit
此阶段也存在两种情况：
1、所有参与者均反馈Ack响应，即执行真正的事务提交。
2、任何一个参与者反馈NO，或者等待超时后协调者尚无法收到所有参与者的反馈，即中断事务。
提交事务：（所有参与者均反馈Ack响应时）
1、如果协调者处于工作状态，则向所有参与者发出do Commit请求。
2、参与者收到do Commit请求后，会正式执行事务提交，并释放整个事务期间占用的资源。
3、各参与者向协调者反馈Ack完成的消息。
4、协调者收到所有参与者反馈的Ack消息后，即完成事务提交。
中断事务：（任何一个参与者反馈NO，或者等待超时后协调者尚无法收到所有参与者的反馈时）
1、如果协调者处于工作状态，向所有参与者发出abort请求。
2、参与者使用阶段1中的Undo信息执行回滚操作，并释放整个事务期间占用的资源。
3、各参与者向协调者反馈Ack完成的消息。
4、协调者收到所有参与者反馈的Ack消息后，即完成事务中断。
注意：进入阶段三后，无论协调者出现问题，或者协调者与参与者网络出现问题，都会导致参与者无法接收到协调者发出的do Commit请求或abort请求。此时，参与者都会在等待超时之后，继续执行事务提交。
附示意图如下：
3PC的优点和缺陷
优点：降低了阻塞范围，在等待超时后协调者或参与者会中断事务。避免了协调者单点问题，阶段3中协调者出现问题时，参与者会继续提交事务。
缺陷：脑裂问题依然存在，即在参与者收到PreCommit请求后等待最终指令，如果此时协调者无法与参与者正常通信，会导致参与者继续提交事务，造成数据不一致。
以上总结：
2PC和3PC都还挺好理解，但是无论2PC或3PC，均无法彻底解决分布式一致性问题。
Google Chubby的作者Mike Burrows说过这个世界上只有一种一致性算法，那就是Paxos，其它的算法都是残次品！
介绍一下paxos的背景
Paxos算法是分布式技术大师Lamport提出的，主要目的是通过这个算法，让参与分布式处理的每个参与者逐步达成一致意见。 用好理解的方式来说，就是在一个选举过程中， 让不同的选民最终做出一致的决定。
Lamport为了讲述这个算法，假想了一个叫做Paxos的希腊成邦进行选举的情景,这个算法也是因此而得名。在他的假想中，这个城邦要采用民主提议和投票的方式选出一个最终的决议，但由于城邦的居民没有人愿意把全部时间和精力放在这种事情上,所以他们只能不定时的来参加提议，不定时来了解提议、投票进展，不定时的表达自己的投票意见。Paxos 算法的目标就是让他们按照少数服从多数的方式，最终达成一致意见。
首先我们要先思考Paxos到底解决了什么问题？
先看看答案吧，简单来说，paxos算法解决的就是一个最终一致性问题。假设一个集群有三个节点，Paxos可以让三个节点更快的达成一致。因为在Paxos中规定，如果某个节点写操作执行之前其他两个节点（也就是大多数的节点）的值已经相等并记为V，那么除非这次写入的值也为V，否则操作不能进行。而当其他两个节点的意见不统一时，采用高编号的节点的值。因此，最终一定会达到三个节点意见统一的状态。
接下来就是文章正文，paxos的算法。
Paxos算法的具体情况:
1、在整个提议和投票过程中，主要的角色就是"提议者” (向”接受者”提出提议)和”接受者”(收到"提议者”的提议后，向”提议者”表达自己的意见)。
2、整个算法的大致过程为:
第一阶段:因为存在多个”提议者”,如果都提意见，那么“接受者”接受谁的不接受谁的?太混乱了。所以，要先明确哪个"提议者”是意见领袖有权提出提议，未来，”接受者” 们就主要处理这个”提议者”的提议了(这样，也可以在提出提议时就尽量让意见统一, 谋求尽早形成多数派)。
第二阶段:由上阶段选出的意见领袖提出提议，"接受者” 反馈意见。如果多数”接受者”接受了一个提议，那么提议就通过了。
3、必须要了解的其他相关背景:
1)怎么明确意见领袖呢?通过编号。每个"提议者”在第一阶段先报个号，谁的号大，谁就是意见领袖。如果不好理解，可以想象为贿选。每个提议者先拿着钞票贿赂一圈”接受者”，谁给的钱多，第二阶段”接受者”就听谁的。(注: 这里和下文提到的”意见领袖”，并环是一个新的角色，而是代表在那一轮贿赂成功的"提议者”。所以，请把意见领袖理解为贿赂中胜出的"提议者”即可)
2)有个跟选举常识不一样的地方，就是每个”提议者”不会执着于让自己的提议通过，而是每个”提议者”会执着于让提议尽快达成一致意见。 所以，为了这个目标，如果“提议者”在贿选的时候，发现”接受者”已经接受过前面意见领袖的提议了，即便”提议者”贿选成功，也会默默的把自己的提议改为前面意见领袖的提议。所以一旦贿赂成功，胜出的”提议者”再提出提议，提议内容也是前面意见领袖的提议(这样，在谋求尽早形成多数派的路上，又前进了-步)。
3)钱的多少很重要，如果钱少了,无论在第一-还是第二_阶段“接受者”都不会尿你，直接拒绝。4)上面2)中讲到，如果"提议者”在贿选时，发现前面已经有意见领袖的提议，那就将自己的提议默默改成前面意见领袖的提议。这里有一种情况，如果你是“提议者”, 在贿赂的时候，”接受者1”跟你说”他见过的意见领袖的提议是案1”，而”接受者2”跟你说“他见过的意见领袖提议是方案2”,你该怎么办?这时的原则也很简单，还是:钱的多少很重要!你判断一下是”接受者1”见过的意见领袖有钱，还是”接受者2”见过的意见领袖有钱?如何判断呢?因为”接受者”在被“提议者”贿赂的时候，自己会记下贿赂的金额。所以当你贿赂”接受者”时，- -旦你给的贿赂多而胜出，”接受者” 会告诉你两件事情: a.前任意见领袖的提议内容(如果有的话)，b.前任意见领袖当时贿赂了多少钱。这样，再面对刚才的情景时，你只需要判断一-下"接受者1”和"接受者2”告诉你的信息中，哪个意见领袖当时给的钱多，那你就默默的把自己的提议，改成那个意见领袖的提议。
5)最后这一部分最有意思，但描述起来有点绕，如果不能- -下子就理解可以先看后面的例子。在整个选举过程中，每个人谁先来谁后到，”接受者” 什么时间能够接到"提议者”的信息，完全不可控的。所以很可能一个意见领袖已经产生了 ,但是由于这个意见领袖的第一阶段刚刚开始， 绝大部分"接受者”还没有收到这个意见领袖的提议。结果，这时突然冲进来了一个新的土豪"提议者”，那么这个土豪"提议者”也是有机会让自己的提议胜出的!这时就形成了一种博弈: a. 上一个意见领袖要赶在土豪”提议者”贿赂到”接受者”前，赶到”接受者”面前上他接受自己的提议，否则会因为自己的之前贿赂的钱比土豪少而被拒绝。b.土豪"提议者”要赶在上一个意见领袖将提议传达给“接受者”前，贿赂到”接受者”，否则土豪”提议者”即便贿赂成功，也要默默的将自己的提议改为前任意见领袖的提议。这整个博弈的过程，最终就看这两个”提议者”谁的进展快了。但最终一定会有一个意见领袖，先得到多数"接受者”的认可，那他的提议就胜出了。
4、总结
好啦，故事到这里基本讲述完了，咱们来总结一下,其实Paxos算法就下面这么几个原则:
1) Paxos算法包括两个阶段:第一个阶段主要是贿选，还没有提出提议;第二个阶段主要根据第一阶段的结果，明确接受谁的提议,并明确提议的内容是什么(这个提议可能是贿选胜出“提议者”自己的提议，也可能是前任意见领袖的提议，具体是哪个提议，见下面第3点原则)。
2)编号(贿赂金额)很重要，无论在哪个阶段，编号(贿赂金额)小的，都会被鄙视(被拒绝)。3)在第一阶段中，一旦"接受者”已经接受了之前意见领袖的提议，那后面再来找这个”接受者”的”提议者”，即便在贿赂中胜出，也要被洗脑，默默将自己的提议改为前任意见领袖的提议,然后他会在第二阶段提出该提议(也就是之前意见领袖的提议,以力争让大家的意见趋同)。如果"接受者”之前没有接受过任何提议，那贿选胜出的"提议者”就可以提出自己的提议了。
5、举例
最后举个例子，加深一下印象:
有两个”提议者”和三个”接受者” 。
1)首先"提议者1”贿赂了3个"接受者”
2) 3个"接受者”记录下贿赂金额，因为目前只有一个"提议者”出价，因此$1就是最高的了,所以"接受者”们返回贿赂成功。此外，因为没有任何先前的意见领袖提出的提议，因此"接受者”们告诉"提议者1”没有之前接受过的提议(自然也就没有上一个意见领袖的贿赂金额了)。
3) “提以者1"向“接受者1”提出了自己的提以: 1号提以，并告知自己之前已賄賂$1。
4)“接受者1” 检查了一下，目前记录的贿赂金额就是$1,于是接受了这一提议, 并把1号提议记录在案。
5)在”提议者1”向"接受者2” "接受者3”发起提议前，土豪“提议者2”出现，他开始用$2贿赂”接受者1”与”接受者2”。
6) “接受者1”与"接受者2”立刻被收买，将贿赂金额改为$2。但是,不同的是: ”接受者1"告诉“提议者2”,之前我已经接受过1号提议了，同时1号提议的”提议者”贿赂过$1;而，"接受者2”告诉”提议者2”,之前没有接受过其他意见领袖的提议，也没有上一个意见领袖的贿赂金额。
8) ”接受者2” "接受者3”开始答复: ”接受者2”检查了一下自己记录的贿赂金额，然后表示，已经有人出价到$2了，而你之前只出到$1，不接受你的提议，再现。但”接受者3”检查了一下自己记录的贿赂金额，目前记录的贿赂金额就是$1,于是接受了这一提议，并把1号提议记录在案。
9)到这里， ”提议者1”已经得到两个接受者的赞同，已经得到了多数"接受者”的赞同。于是”提议者1”确定1号提议最终通过。
10) 下面，回到"提议者2”。刚才说到， ”提议者2”贿赂了”接受者1”和"接受者2”，被“接受者1”告知: "之前已经接受过1号提议了，同时1号提议的'提议者’贿赂过$1”，并被”接受者2”告知: "之 前没有接到过其他意见领袖的提议，也没有其他意见领袖的贿赂金额”。这时"提议者2”,拿到信息后,判断一下，目前贿赂过最高金额(即$1)的提议就是1号提议了,所以“提议者2”默默的把自己的提议改为与1号提议一致,然后开始向”接受者1””接受者2” 发起提议(提议内容仍然是1号提议)，并带着信息:之前自己已贿赂过$2。
11) 这时”接受者1” ”接受者2”收到”提议者2”的提议后，照例先比对一下贿赂金额，比对发现”提议者2”之前已贿赂$2,并且自己记录的贿赂金额也是$2,所以接受他的提议，也就是都接受1号提议。
这里再多说一句:
回到上面的第5)步,如果”提议者2”第一次先去贿赂"接受者2”"接受者3” 会发生什么?那很可能1号提议就不会成为最终选出的提议。因为当”提议者2”先贿赂到了”接受者2””接受者3”，那等“提议者1” 带着议题再去找这两位的时候，就会因为之前贿赂的钱少($1<$2)而被拒绝。所以，这也就是刚才讲到可能存在博弈的地方: a.”提议者1”要赶在“提议者2”贿赂到"接受者2””接受者3” 之前，让”接受者2””接受者3” 接受自己的意见，否则”提议者1”会因为钱少而被拒绝; b.”提议者2”要赶在“提议者1”之前贿赂到”接受者”，否则”提议者2”即便贿赂成功，也要默默的将自己的提议改为“提议者1” 的提议。但你往后推演会发现，无论如何，总会有一个“提议者”的提议获得多数票而胜出。
以上，只是把大致的Paxos算法的思路介绍了一下，因为情景实在太复杂，比如: “提议
者”、 “接受者”如果是4个、5..... 比如: "提议者”与”接受者”之间的交互谁先谁后，等等各类情况。但是,其实都是能够严谨的推导出最后能够选出一个多数派的，不过篇幅就会太长了。大家有兴趣可以按照上面的思路，自己再模拟模拟"提议者”“接受者” 数量或多或少，交互或先或后的各种情况，结果肯定是最终唯一一个 提议会获得多数票而胜出。
回想当时自己看Paxos算法时,过很多的弯路，花了很长时间，这篇文章也是结合自己看Paxos算法时的一些心得所写，希望对初学者能有些启发。
参考网址：
https://www.zhihu.com/question/19787937
https://blog.csdn.net/zifanyou/article/details/84789022
https://www.cnblogs.com/esingchan/p/3917718.html
https://www.cnblogs.com/hugb/p/8955505.html
---恢复内容结束---
标签：提议者,协调者,接受者,2PC,paxos,3PC,提议,贿赂,参与者 来源： https://www.cnblogs.com/ZenoLiang/p/10958038.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。