分布式系统的挑战

在前面的文章里，我们分析了分布式系统在业务上的一致性技术，即分布式事务，它的结果导向是面向用户的。然而在我们的系统内部，有时也需要面对来自软件架构等更高层次上的一致性要求，比如 Redis 的哨兵模式，Zookeeper 的选举过程等。它们所考虑的一致性更多的是服务节点之间一个共识的达成，当共识达成之后，就可以以此为指导原则，展开更多的协同操作。

在研究怎么达成共识之前，我们先来分析下分布式系统的特性：

• 并发: 不同节点上的进程是能够同时执行的，我们需要协调机制去完成各个阶段任务。

• 全局时钟: 在分布式系统里，基本很难去维护一个全局时钟，各个服务器在时间顺序上是没有绝对的。

• 故障影响: 不存在没有故障的系统，需要考虑对系统的整体影响，以及系统所能提供的容错处理能力。

• 消息传递：由于网络的复杂环境，节点与节点之间的通信有可能到达，也可能部分到达，可能在已知的时间范围内传送，也可能无限期延迟，这都是不一定的。

由此可见，关于在一个分布式系统里想达成共识的挑战在于协调、容错、非确定通信。

状态复制

如果说我们想在一个系统中引入协调者的话，那么非常简单，引入一个有状态的组件即可，通过状态的判断来保证当前系统应该处于哪个业务阶段。一个有状态的组件是很好实现的，只要带持久化功能即可，像 Mysql，MongoDB。不过，考虑到协调者的重要性，我们往往是需要保证它高可用性的，为了达到这一目的，我们会在状态的更新过程中加入复制流程。比如将更新后的值，同步给其他机器。

但是，是否需要所有的机器都复制到位了，才能完成此次的更新流程？不一定，像 Mysql 同步复制、异步复制、半同步复制就是在性能与数据一致性上给我们提供了多种选择，只是复制的执行效率越高，数据一致性就越低。

像我们这种协调者更新频率低，数据量小，则往往会采用少数服从多数的策略，只要同步节点超过了一半，那么就可以认为此次写入成功了。Raft 的日志同步，Zookeeper 的消息广播就是这么处理的。除此之外，为了保证同步的正确性，还会引入选举机制，让选举出来的 Leader 节点统一处理同步结果。当 Leader 节点故障或下线时，将会根据一定的规则进行重新选举 （比如日志的最新提交程度），保证系统的正常运行。

故障处理

在上面达成共识的方法里，势必要考虑故障的影响，而对应的故障类型主要有两种：

• 崩溃故障：节点突然崩溃并停止对其他节点的响应

• 拜占庭失败：节点是不可信任的，将会响应错误的消息给其他节点

针对于崩溃故障这种类型的失败，我们可以像 Raft， Paxos 协议一样，通过选举来解决。但是像拜占庭失败这种问题就比较难解决了，由于有可能存在叛变的节点，使得整个系统往错误的方向去达成共识，显而易见，这不是我们想要的。所以我们会在区块链里看到如下的解决算法：

• PBFT（Practical Byzantine Fault Tolerance）：拜占庭容错算法 （联盟链/私有链使用此算法）

• PoW（Proof of Work）：工作量证明算法 （比特币和以太坊使用此算法）

FLP 不可能原理

关于分布式系统之间的通信模型，总体上可以划分下面这两种类型：

• 同步：系统处理消息的时间是在规定范围内的，一旦超出，则直接认为失败。

• 异步：系统处理消息的时间是不定的，有可能获取到结果，也可能一直获取不到了。

其中，在异步通信模型下，有一个著名的 FLP不可能原理，即：

在网络可靠、但允许节点失效（即便只有一个）的最小化异步模型系统中，不存在一个可以解决一致性问题的确定性共识算法

FLP 不可能原理告诉我们，不要浪费时间为异步分布式系统设计任意场景的共识算法。我们应该将精力放在一个有约束、有终止条件的分布式系统中，如果我们设计的算法尽可能的满足以下两个条件，那么我们的系统将将会有共识的输出：

• 活性：每个非故障节点最终将会决定输出某个值，如果节点不做决定，那么系统就会停止。

• 安全：所有非故障节点最终将会输出相同的值，如果达不到该效果，那么一致性很难保证。

共识的达成

不同的算法对上面的条件描述会不一样，从广义上来讲，共识算法通常会进行以下三种角色的划分：

• 提议者：通常被称为领导者或协调者

• 接受者：响应提议者提出的议案

• 学习者：不参与决策，学习决定的最终值

当角色职责划分好后，我们会通过以下三个步骤来定义一个共识算法：

第 1 步 选举： 当有外部事件触发时，由领导者提出下一个有效的输出值。

第 2 步 投票： 非故障节点接收到领导者提议的值后，对其验证，并将其提议为下一个有效值。

第 3 步 决定： 根据有效值在各个非故障节点的提议结果，决定是否采用该值；否则重新开始步骤 1

对于以上的步骤，不同的共识算法会有一些差异，比如术语定义、投票处理流程、有效值的决定标准等。

应用

分布式系统共识的达成需要在不可靠、不可信的网络里完成。如果不进行所谓的拜占庭容错，那么我们的 raft、zookeeper 协议就足够了，而它们的应用场景往往也是在内网之中，所以默认内部节点都是可信的。如果我们要在包含恶意行为的开放的网络群体里达成共识，例如区块链，那么我们就不得不解决考虑以下三种情况的完善了：

• 合理化：参与者根据利益最大化的策略去选择协议的执行。

• 利它式：执行的过程中，能考虑整体的利益。

• 拜占庭式容错：能抵抗某些节点恶意的行为，保证系统正常运行。

总结

分布式系统达成共识的过程需要有活性和安全的保障，其协商一致机制也需要将拜占庭错误考虑进去。共识问题的解决让我们的分布式系统运行的更加健壮，也正是因为共识的重要性，当今区块链技术才显得额外的重要！

参考

• [1]consensus in distributed systems
  

• [2]let’s take a crack at understanding distributed consensus
  

感兴趣的朋友可以搜一搜公众号「 阅新技术 」，关注更多的推送文章。

可以的话，就顺便点个赞、留个言、分享下，感谢各位支持！

阅新技术，阅读更多的新知识。