对共识算法 Paxos、Raft 的一些理解

共识算法针对的问题

分布式系统中，基础的 共识算法（Consensus Algorithm） 希望解决的是如下问题：消息有乱序、丢失、重复情况下，多个分布式节点对一个值达成最终绝对一致¹。

• 不考虑消息内容的篡改（Byzantine）
• 节点存储必须绝对可靠

为什么对 Paxos、Raft 等的研究很重要

传统 2PC（两阶段提交）、3PC（三阶段提交） 的缺点是一个节点宕机则系统不可用（或在出现 network partition 后存在 脑裂 问题不能解决）；这些现代共识算法的目标就是在有多个副本同时参与、超半数仍正常工作的情况下（少数副本可以挂掉，从而可用性更高了）仍能保证 100% 一致性。

Paxos、Multi-Paxos、Raft

Paxos 和 Raft 的前世今生 | 知乎¹ 这篇文章是我认为讲解的比较让我抓住了脉络的文章，可以参考。

• Paxos: 保证单个提案的一致
  • 方法：多个 Acceptors；Proposal = (ID, V)，ID 有全序关系；超半数同意
  • 保证永远可用吗？不：
    • 一样可能多数都挂掉，只是可靠性更高了
    • 原始的 Paxos 会出现两阶段化带来的活锁
  • 值得阅读：
    1. Paxos 初版论文 from Lamport - The Part-Time Parliament, TOCS’98²
    2. Paxos 二版解释 from Lamport - Paxos Made Simple³
    3. 最清楚的解释来自 wiki：https://zh.wikipedia.org/wiki/Paxos%E7%AE%97%E6%B3%95⁴
• Multi-Paxos：提高性能但只需保证一批提案的最终一致
  • 方法：利用 Paxos 选举唯一的 leader，而后在 leader 有效期内所有的议案都只能由 leader 发起
  • 值得阅读：http://oceanbase.org.cn/?p=111⁵
• Raft：更贴近实践、更易理解的 Multi-Paxos 方案
  • 方法：加入 Timeout 机制；Leader Election & 任期（Term）；Log Replication，Paxos 中的 ID 即为 Raft 中的 Term + Log Index，一旦出现更新的 log 则听从，保证 log 的最终一致性
  • 值得阅读：
    1. Raft 官网 - https://raft.github.io/
    2. Raft 论文 from Stanford - In Search of an Understandable Consensus Algorithm⁶
    3. 非常好的在线演示：http://thesecretlivesofdata.com/raft/

---

1. https://zhuanlan.zhihu.com/p/46531628 ↩︎ ↩︎

2. http://lamport.azurewebsites.net/pubs/lamport-Paxos.pdf ↩︎

3. http://lamport.azurewebsites.net/pubs/Paxos-simple.pdf ↩︎

4. https://zh.wikipedia.org/wiki/Paxos%E7%AE%97%E6%B3%95 ↩︎

5. http://oceanbase.org.cn/?p=111 ↩︎

6. https://raft.github.io/raft.pdf ↩︎