1.背景
今天開始更新分散式的文章，工作幾年後還沒系統的學習分散式的內容，趁著還有時間學習沉澱的時候多輸出些文章
2.為什麼需要分散式共識演算法
思考：現在你有一份隨時變動的資料，需要確保它正確儲存在網路的幾臺不同機器上，並且要保證資料是隨時可用的，應該怎麼做？
在分散式環境下，可以不必去追求系統內所有節點在任何情況下的資料狀態都一致，採用“少數服從多數”的原則，認為資料的變化被正確儲存在系統中。因此，我們需要一種演算法，能夠讓分散式系統內部暫時容忍節點存在不同的狀態，但最終大多數節點的狀態能夠一致。
這種讓系統能最終表現出整體一致性的過程，急救室各個節點的協商共識
3.Paxos演算法的歷史
簡單寫下Paxos演算法的歷史，最早是由Leslie Lamport（就是大名鼎鼎的LaTeX中的“La”）提出的一種基於訊息傳遞的協商共識演算法。
Lamport 在 1990 年首次發表了 Paxos 演算法，選的論文題目就是“The Part-Time Parliament”。但是由於論文使用了希臘城邦的比喻，使得論文更為晦澀難懂，審稿人要求Lamport進行修改，Lamport 非常不爽，然後乾脆就撤稿不發了。 2001 年，Lamport 在“SIGACT News”雜誌上發表了這篇論文，並放棄了“希臘城邦”的比喻。
之後，2006 年，Google 的 Chubby、Megastore 和 Spanner 等分散式系統，都使用 Paxos 解決了分散式共識的問題，這才使得Paxos 演算法一夜間成為電腦科學分散式這條分支中，最炙手可熱網紅概念。
4.Basic Paxos演算法工作流程
Basic Paxos演算法將分散式系統中的節點分為提案節點、決策節點和記錄節點三類
- 提案節點Proposer：提出對某個值進行設定操作的節點，設定值這個行為就像提案，值設定成功後，不可變也不會丟失
- 決策節點Acceptor：應答提案的節點，需要對提案進行投票，同時需要記住自己的投票歷史
- 記錄節點Learner：超過半數決策節點就某個提案達成了共識，那麼記錄節點就需要接受這個提案，並就該提議作出運算，然後將運算結果返回給客戶端
4.1Paxos演算法怎麼解決併發操作帶來的競爭？
分散式環境下，一個節點取得鎖後，如果在釋放鎖之前發生崩潰，整個操作都會被無限期等待阻塞。
Paxos解決競爭分2個階段：
準備Prepare：提案節點先廣播一個Prepare請求，並附帶一個全域性數字n作為提案ID，決策節點收到請求後，“兩個承諾，一個應答”。承諾不在接收提案ID小於等於n的Prepare請求，也承諾不再接收小於n的Accept請求。應答已經批准過的提案中ID最大的那個。
批准Accept：提案節點收到多數派的應答後，會有兩種結果：
- 所有響應的決策節點此前沒有批准過這個值，即首次設值的情況，那就自己隨意選定值與提案ID，廣播給決策節點
- 響應決策節點中，已有至少一個節點的應答中包含有值了，非首次設值的情況，那麼需要從應答中找出提案ID最大的那個值，再廣播。協商共識結束
Basic Paxos 只能對單個值形成決議，並且決議的形成至少需要兩次網路請求和應答（準備和批准階段各一次），高併發情況下可能形成活鎖。現在只做理論學習就行了。下面講Multi Paxos演算法。
5.Multi Paxos共識演算法
5.1核心改進
概念：Multi-Paxos 只是一種思想，這種思想的核心就是透過多個 Basic Paxos 例項就一系列值達成共識。
相比較Basic Paxos演算法，Multi Paxos增加了選主的過程：
- 提案節點發現沒有主提案節點時，使用準備、批准兩輪網路互動，向其他節點廣播自己競選主節點請求
- 得到決策節點多數派的批准時，競選主節點成功。
選主之後，所有客戶端請求都會由主節點來完成提案，不再需要準備過程，只需要 執行批准互動即可：
5.2只有主從節點
有了主節點後，角色可以簡化，不再區分提案、決策、記錄節點。只區分主、從節點。
於是，分散式系統中如何對某個值達成一致 的問題可以分為3部分解決：
- 如何選主
- 如何把資料複製到各個節點上
- 怎麼保證過程是安全的
3個問題解決了，就達成共識了。
這裡針對問題2和問題3寫些內容，用於應對可能的面試：
問題2：資料複製的過程？
- 主節點將 X 寫入自己的變更日誌，但先不提交，接著把變更 X 的資訊在下一次心跳包中廣播給所有的從節點，並要求從節點回復“確認收到”的訊息；
- 從節點收到資訊後，將操作寫入自己的變更日誌，然後給主節點傳送“確認簽收”的訊息；
- 主節點收到過半數的簽收訊息後，提交自己的變更、應答客戶端並且給從節點廣播“可以提交”的訊息；
- 從節點收到提交訊息後提交自己的變更，資料在節點間的複製宣告完成。
問題3：過程是安全的？
- 協定性Safety：保證選主的結果一定有且只有唯一的主節點
- 終止性Liveness：保證選主過程一定是在某一時刻能夠結束的
從極客時間課程原文上沒理解清楚這段的解釋，先空著吧，後面理解了再修改這段
總結
Paxos 演算法不直接應用於工業界，理解原理理論就行。它的變體演算法，比如我們今天學習的 Multi Paxos、Raft 演算法，以及沒有提到的 ZAB 等演算法，都是分散式領域中的基石。