zk分布式实现理论，Paxos算法，ZAB协议，CAP定理

Posted 2022-03-14 远走于梦游

集群操作如何保证数据一致

拜占庭将军问题：拜占庭将军问题是一个协议问题，拜占庭帝国军队的将军们必须全体一致的决定是否攻击某一支敌军。问题是这些将军在地理上是分隔开来的，并且将 军中存在叛徒。叛徒可以任意行动以达到以下目标：欺骗某些将军采取进攻行动；促成一个不是所有将军都同意的决定，如当将军们不希望进攻时促成进攻 行动；或者迷惑某些将军，使他们无法做出决定。如果叛徒达到了这些目的之一，则任何攻击行动的结果都是注定要失败的，只有完全达成一致的努力才能 获得胜利。

Paxos算法：一种基于消息传递且具有高度容错特性的一致性算法。

Paxos算法解决的问题：就是如何快速正确的在一个分布式系统中对某个数据值达成一致，并且保证不论发生任何异常， 都不会破坏整个系统的一致性

在一个Paxos系统中，首先将所有节点划分为Proposer（提议者），Acceptor（接受者），和 Learner（学习者）。（注意：每个节点都可以身兼数职）

• 一个完整的Paxos算法流程分为三个阶段：

• Prepare准备阶段 • Proposer向多个Acceptor发出Propose请求Promise（承诺） • Acceptor针对收到的Propose请求进行Promise（承诺）

• Accept接受阶段 • Proposer收到多数Acceptor承诺的Promise后，向Acceptor发出Propose请求 • Acceptor针对收到的Propose请求进行Accept处理

• Learn学习阶段：Proposer将形成的决议发送给所有Learner

Paxos算法流程

（1）Prepare: Proposer生成全局唯一且递增的Proposal ID，向所有Acceptor发送Propose请求，这里无需携带提案内容，只携 带Proposal ID即可。

（2）Promise: Acceptor收到Propose请求后，做出“两个承诺，一个应答”。

➢ 不再接受Proposal ID小于等于（注意：这里是<= ）当前请求的Propose请求。

➢ 不再接受Proposal ID小于（注意：这里是< ）当前请求的Accept请求。

➢ 不违背以前做出的承诺下，回复已经Accept过的提案中Proposal ID最大的那个提案的Value和Proposal ID，没有则 返回空值。

（3）Propose: Proposer收到多数Acceptor的Promise应答后，从应答中选择Proposal ID最大的提案的Value，作为本次要发起的 提案。如果所有应答的提案Value均为空值，则可以自己随意决定提案Value。然后携带当前Proposal ID，向所有Acceptor发送 Propose请求。

（4）Accept: Acceptor收到Propose请求后，在不违背自己之前做出的承诺下，接受并持久化当前Proposal ID和提案Value。

（5）Learn: Proposer收到多数Acceptor的Accept后，决议形成，将形成的决议发送给所有Learner。

案例讲解

有ABCDE五人对公司问题进行决议

第一种情况：

A对其他人发起提议，问能不能接受自己的意见，没说具体内容

BCDE回应A表示同意

A在收到2份回复时就会告知其他人自己提议的具体内容

BCDE在回应A表示同意

此时A的提议就会通过

第二种情况：

A与E同时发起提议，问能不能接受自己的意见，没说具体内容，AE的序号分别为1,2

B回应A，D回应E，这时C成为关键

(1)C先收到A的消息，回应A

此时A就会表明具体意见

BC接受

之后C又收到E的消息，回应E

此时E也会表明具体意见

CD接受

这个时候AE会同时广播决议，因为E的id大，所以E会覆盖A的提议

第三种情况：

AE发起提议

B回应A，D回应E，这时C成为关键

C收到A的消息回复A，这时立刻收到E的消息，又回复E

这时A表明具体意见，C不会回复，没有足够响应

这时候A会从新发起提议，此时A的id会变为3，C又回复A

此时E表明具体意见，C不会回复，又会重新发起提议

这时候就会出现问题

ZAB协议

借鉴了Paxos算法，在Paxos基础上，zookeeper设计只有一台客户端(Leader)负责处理外部写事务的请求，在同步到其他节点，即只有一个Leader可以发起提案

消息广播

（1）客户端发起一个写操作请求。

（2）Leader服务器将客户端的请求转化为事务Proposal 提案，同时为每个Proposal 分配一个全局的ID，即zxid。

（3）Leader服务器为每个Follower服务器分配一个单独的队列，然后将需要广播的 Proposal依次放到队列中去，并且根据FIFO策略进行消息发送。

（4）Follower接收到Proposal后，会首先将其以事务日志的方式写入本地磁盘中，写入成功后向Leader反馈一个Ack响应消息。

（5）Leader接收到超过半数以上Follower的Ack响应消息后，即认为消息发送成功，可以发送commit消息。

（6）Leader向所有Follower广播commit消息，同时自身也会完成事务提交。Follower 接收到commit消息后，会将上一条事务提交。

（7）Zookeeper采用Zab协议的核心，就是只要有一台服务器提交了Proposal，就要确保所有的服务器最终都能正确提交Proposal。

此时会出现2种情况：

（ 1 ） Leader 发 起 一 个 事 务 Proposal1 后 就 宕 机 ， Follower 都 没 有 Proposal1

（2）Leader收到半数ACK宕机， 没来得及向Follower发送Commit

崩溃恢复

Leader选举：根据上述要求，Zab协议需要保证选举出来的Leader需要满足以下条件：

（1）新选举出来的Leader不能包含未提交的Proposal。即新Leader必须都是已经提交了Proposal的Follower服务器节点。

（2）新选举的Leader节点中含有最大的zxid。这样做的好处是可以避免Leader服务器检查Proposal的提交和丢弃工作。

选举过后，Zab如何数据同步：

（1）完成Leader选举后，在正式开始工作之前（接收事务请求，然后提出新的Proposal），Leader服务器会首先确认事务日 志中的所有的Proposal 是否已经被集群中过半的服务器Commit。

（2）Leader服务器需要确保所有的Follower服务器能够接收到每一条事务的Proposal，并且能将所有已经提交的事务Proposal 应用到内存数据中。等到Follower将所有尚未同步的事务Proposal都从Leader服务器上同步过，并且应用到内存数据中以后， Leader才会把该Follower加入到真正可用的Follower列表中。

CAP理论

CAP理论告诉我们，一个分布式系统不可能同时满足以下三种 CAP理论

⚫ 一致性（C:Consistency）

⚫ 可用性（A:Available）

⚫ 分区容错性（P:Partition Tolerance） 这三个基本需求，最多只能同时满足其中的两项，因为P是必须的，因此往往选择就在CP或者AP中。

1）一致性（C:Consistency） 在分布式环境中，一致性是指数据在多个副本之间是否能够保持数据一致的特性。在一致性的需求下，当一个系统在数 据一致的状态下执行更新操作后，应该保证系统的数据仍然处于一致的状态。

2）可用性（A:Available） 可用性是指系统提供的服务必须一直处于可用的状态，对于用户的每一个操作请求总是能够在有限的时间内返回结果。

3）分区容错性（P:Partition Tolerance） 分布式系统在遇到任何网络分区故障的时候，仍然需要能够保证对外提供满足一致性和可用性的服务，除非是整个网络 环境都发生了故障

ZooKeeper保证的是CP

（1）ZooKeeper不能保证每次服务请求的可用性。（注：在极端环境下，ZooKeeper可能会丢弃一些请求，消费者程序需要 重新请求才能获得结果）。所以说，ZooKeeper不能保证服务可用性。 （2）进行Leader选举时集群都是不可用

持久化

Leader与Follower数据会在内存和磁盘各保存一份，所以需要持久化到磁盘中

 磁盘会先进行快照存储，等空闲时在同步到磁盘，根据序列化反序列存储信息

初始化过程