分布式核心分布式一致性算法-PaxosRaftZABGossip

Posted 泡杯茶看金融

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了分布式核心分布式一致性算法-PaxosRaftZABGossip相关的知识,希望对你有一定的参考价值。

一致性算法的定义

一致性就是数据保持一致,在分布式系统中,可以理解为多个节点中数据的值是一致的。

一致性的分类

  • 强一致性
    • 说明:保证系统改变提交以后立即改变集群的状态。
    • 模型:
      • Paxos
      • Raft(muti-paxos)
      • ZAB(muti-paxos)
  • 弱一致性
    • 说明:也叫最终一致性,系统不保证改变提交以后立即改变集群的状态,但是随着时间的推移最终状态是一致的。
    • 模型:
      • DNS系统
      • Gossip协议

一致性算法实现举例

  • Google的Chubby分布式锁服务,采用了Paxos算法
  • etcd分布式键值数据库,采用了Raft算法
  • ZooKeeper分布式应用协调服务,Chubby的开源实现,采用ZAB算法

Paxos算法

  • 概念介绍
  1. Proposal提案,即分布式系统的修改请求,可以表示为[提案编号N,提案内容value]
  2. Client用户,类似社会民众,负责提出建议
  3. Propser议员,类似基层人大代表,负责帮Client上交提案
  4. Acceptor投票者,类似全国人大代表,负责为提案投票,不同意比自己以前接收过的提案编号要小的提案,其他提案都同意,例如A以前给N号提案表决过,那么再收到小于等于N号的提案时就直接拒绝了
  5. Learner提案接受者,类似记录被通过提案的记录员,负责记录提案
  • Basic Paxos算法
  • 步骤
  1. Propser准备一个N号提案
  2. Propser询问Acceptor中的多数派是否接收过N号的提案,如果都没有进入下一步,否则本提案不被考虑
  3. Acceptor开始表决,Acceptor无条件同意从未接收过的N号提案,达到多数派同意后,进入下一步
  4. Learner记录提案
【分布式核心】分布式一致性算法-Paxos、Raft、ZAB、Gossip
Basic Paxos算法
    • 节点故障
      • 若Proposer故障,没关系,再从集群中选出Proposer即可
      • 若Acceptor故障,表决时能达到多数派也没问题
    • 潜在问题-活锁
      • 假设系统有多个Proposer,他们不断向Acceptor发出提案,还没等到上一个提案达到多数派下一个提案又来了,就会导致Acceptor放弃当前提案转向处理下一个提案,于是所有提案都别想通过了。
  • Multi Paxos算法
    • 根据Basic Paxos的改进:整个系统只有一个Proposer,称之为Leader。
    • 步骤
  1. 若集群中没有Leader,则在集群中选出一个节点并声明它为第M任Leader
  2. 集群的Acceptor只表决最新的Leader发出的最新的提案
  3. 其他步骤和Basic Paxos相同
【分布式核心】分布式一致性算法-Paxos、Raft、ZAB、Gossip
Multi Paxos算法
    • 算法优化
      Multi Paxos角色过多,对于计算机集群而言,可以将Proposer、Acceptor和Learner三者身份集中在一个节点上,此时只需要从集群中选出Proposer,其他节点都是Acceptor和Learner,这就是接下来要讨论的Raft算法

Raft算法

  • 说明:Paxos算法不容易实现,Raft算法是对Paxos算法的简化和改进
  • 概念介绍
  1. Leader总统节点,负责发出提案
  2. Follower追随者节点,负责同意Leader发出的提案
  3. Candidate候选人,负责争夺Leader
【分布式核心】分布式一致性算法-Paxos、Raft、ZAB、Gossip
Raft算法中的角色
  • 步骤:Raft算法将一致性问题分解为两个的子问题,Leader选举状态复制
    • Leader选举
  1. 每个Follower都持有一个定时器
【分布式核心】分布式一致性算法-Paxos、Raft、ZAB、Gossip
2.当定时器时间到了而集群中仍然没有Leader,Follower将声明自己是Candidate并参与Leader选举,同时将消息发给其他节点来争取他们的投票,若其他节点长时间没有响应Candidate将重新发送选举信息
【分布式核心】分布式一致性算法-Paxos、Raft、ZAB、Gossip
3. 集群中其他节点将给Candidate投票
【分布式核心】分布式一致性算法-Paxos、Raft、ZAB、Gossip
4. 获得多数派支持的Candidate将成为第M任Leader(M任是最新的任期)
【分布式核心】分布式一致性算法-Paxos、Raft、ZAB、Gossip
5. 在任期内的Leader会不断发送心跳给其他节点证明自己还活着,其他节点受到心跳以后就清空自己的计时器并回复Leader的心跳。这个机制保证其他节点不会在Leader任期内参加Leader选举。
【分布式核心】分布式一致性算法-Paxos、Raft、ZAB、Gossip
【分布式核心】分布式一致性算法-Paxos、Raft、ZAB、Gossip
6. 当Leader节点出现故障而导致Leader失联,没有接收到心跳的Follower节点将准备成为Candidate进入下一轮Leader选举
7. 若出现两个Candidate同时选举并获得了相同的票数,那么这两个Candidate将随机推迟一段时间后再向其他节点发出投票请求,这保证了再次发送投票请求以后不冲突
【分布式核心】分布式一致性算法-Paxos、Raft、ZAB、Gossip
    • 状态复制
  1. Leader负责接收来自Client的提案请求(红色提案表示未确认)
【分布式核心】分布式一致性算法-Paxos、Raft、ZAB、Gossip
2. 提案内容将包含在Leader发出的下一个心跳中
【分布式核心】分布式一致性算法-Paxos、Raft、ZAB、Gossip
3. Follower接收到心跳以后回复Leader的心跳
【分布式核心】分布式一致性算法-Paxos、Raft、ZAB、Gossip
4. Leader接收到多数派Follower的回复以后确认提案并写入自己的存储空间中并回复Client
【分布式核心】分布式一致性算法-Paxos、Raft、ZAB、Gossip
5. Leader通知Follower节点确认提案并写入自己的存储空间,随后所有的节点都拥有相同的数据
【分布式核心】分布式一致性算法-Paxos、Raft、ZAB、Gossip
6. 若集群中出现网络异常,导致集群被分割,将出现多个Leader
【分布式核心】分布式一致性算法-Paxos、Raft、ZAB、Gossip
7. 被分割出的非多数派集群将无法达到共识,即脑裂,如图中的A、B节点将无法确认提案
【分布式核心】分布式一致性算法-Paxos、Raft、ZAB、Gossip
【分布式核心】分布式一致性算法-Paxos、Raft、ZAB、Gossip
8. 当集群再次连通时,将只听从最新任期Leader的指挥,旧Leader将退化为Follower,如图中B节点的Leader(任期1)需要听从D节点的Leader(任期2)的指挥,此时集群重新达到一致性状态
【分布式核心】分布式一致性算法-Paxos、Raft、ZAB、Gossip
【分布式核心】分布式一致性算法-Paxos、Raft、ZAB、Gossip

ZAB算法

  • 说明:ZAB也是对Multi Paxos算法的改进,大部分和raft相同
  • 和raft算法的主要区别:
  1. 对于Leader的任期,raft叫做term,而ZAB叫做epoch
  2. 在状态复制的过程中,raft的心跳从Leader向Follower发送,而ZAB则相反。

Gossip算法

  • 说明:Gossip算法每个节点都是对等的,即没有角色之分。Gossip算法中的每个节点都会将数据改动告诉其他节点(类似传八卦)。有话说得好:"最多通过六个人你就能认识全世界任何一个陌生人",因此数据改动的消息很快就会传遍整个集群。
  • 步骤:
  1. 集群启动,如下图所示(这里设置集群有20个节点)
【分布式核心】分布式一致性算法-Paxos、Raft、ZAB、Gossip
2. 某节点收到数据改动,并将改动传播给其他4个节点,传播路径表示为较粗的4条线
【分布式核心】分布式一致性算法-Paxos、Raft、ZAB、Gossip
3. 收到数据改动的节点重复上面的过程直到所有的节点都被感染
关联阅读:




以上是关于分布式核心分布式一致性算法-PaxosRaftZABGossip的主要内容,如果未能解决你的问题,请参考以下文章

区块链技术核心算法四:Paxos 算法(一致性算法).

分布式之Zookeeper核心原理详解

分布式技术专题「分布式技术架构」一文带你厘清分布式事务协议及分布式一致性协议的算法原理和核心流程机制(Paxos篇)

第145集区块链核心算法四:Paxos算法(一致性算法)

分布式核心技术

分布式系统共识机制:一致性算法设计思想