分布式一致性协议
- 二阶段提交协议（2pc）
- 三阶段提交协议（3pc）
- paxos
- zab
在分布式系统中，每个机器都可以确定自己进行的事务操作是否成功，但是无法直接了解其他机器的操作结果。因此，当一个分布式事务操作需要保持ACID 特性时，就需要一个“协调者”节点调度其他“参与者”节点来进行分布式事务操作。
二阶段提交（2pc）
提交事务请求 -> 执行事务提交；缺点：同步阻塞（参与者之间阻塞）、单点问题，脑裂（导致数据不一致问题）；主要用于关系型数据库中，解决了分布式事务的原子性问题；
1. 提交事务请求
- 协调者向参与者发送事务，并询问是否可以执行事务提交操作，等待参与者响应；
- 参与者执行事务，将操作写入本地事务日志，向协调者发送反馈；
2. 执行事务提交
参与者反馈，全部ACK
- 协调者向参与者发送Commit；
- 参与者执行事务提交，释放事务资源，反馈ACK，；
- 协调者收到反馈完成事务
参与者反馈，存在NO；协调者等待超时
- 协调者向参与者发送RollBack；
- 参与者利用undo，进行事务回滚；
- 参与者事务回滚之后，向协调者发送ACK 反馈；
- 协调者接收到ACK，完成事务中断；
三阶段提交（3pc）
cancommit -> precommit -> docommit；优缺点：降低了参与者同步阻塞范围，但是又引入了数据不一致性问题（若出现网络分区）、单点问题依然存在；
1. CanCommit
- 协调者向参与者发送cancommit 请求（包含事务内容），等待参与者反馈；
- 参与者接收到cancommit 请求之后，反馈ACK或者NO；
2. PreCommit
参与者反馈，全部ACK
- 协调者向参与者发送precommit 请求，等待反馈；
- 参与者执行事务，将操作写入本地事务日志，向协调者发送反馈；
参与者反馈，存在NO；协调者等待超时
- 协调者向参与者发送abort 请求；
- 参与者无论是接收到abort 请求还是等待超时都会中断事务；
3. DoCommit
参与者反馈，全部ACK
- 协调者向参与者发送docommit 请求，等待反馈；
- 参与者执行事务提交，释放事务资源，反馈ACK，；
- 协调者接收反馈，完成事务提交；
参与者反馈，存在NO；协调者等待超时
- 协调者向参与者发送abort 请求；
- 参与者进行事务回滚；
- 参与者反馈ACK；
- 协调者接收到ACK，完成事务中断；
paxos 算法
- paxos 基于消息传递并具有高度容错性；
- paxos 算法的核心是，分布式系统如何就某个状态（提案）达成一致；
- paxos 算法假设不存在“拜占庭将军问题”；
- paxos 算法中的角色：proposer、acceptor、learner；
- proposer：发送提案；
- acceptor：裁决提案；只能批准一个提案；过半批准原则；
- learner：学习提案；
1. prepare 阶段（生成提案）
- proposer 提出编号为Mn 的提案，向acceptor 集合发送prepare 请求；
- acceptor 反馈；
- 保证不再接收编号小于Mn 的提案；
- 返回已经批准的，编号最大的提案的Value；
- 若Mn 小于已经批准的最大编号，则忽略Mn；（优化）
- proposer 收到过半响应，则发送accept 请求（Mn，Vn）给acceptor 集合；Vn 是接收回的最大编号提案的Value；若无Value 可选（acceptor 都未接收提案），Vn 可为任意值；
2. accept 阶段（批准提案）
acceptor 接收到accept 请求之后，只要Mn 不小于已接受提案最大的编号，则批准提案；
learner 获取提案（学习策略）
- 一旦提案被批准（过半），则发送给所有learner；
- 提案批准，则发送给一个learner，该learner再发送给其他learner；
- 提案批准，则发送给一个learner集合，该learner集合再发送给其他learner；
优化
问题：proposer1 与 proposer2 两者陷入死循环；
解决：选出主proposer，只要主proposer 和 过半acceptor 能保持正常，那么但凡主proposer 能提出一个编号更高的提案，这个提案最终将会批准；
应用
chubby：分布式锁、GFS 中 master 选举