背景
gossip 協議（gossip protocol）又稱 epidemic 協議（epidemic protocol），是基於流行病傳播方式的節點或者進程之間信息交換的協議，在分佈式系統中被廣泛使用，比如我們可以使用 gossip 協議來確保網絡中所有節點的數據一樣。
Gossip protocol 最早是在 1987 年發表在 ACM 上的論文 《Epidemic Algorithms for Replicated Database Maintenance》中被提出。主要用在分佈式數據庫系統中各個副本節點同步數據之用，這種場景的一個最大特點就是組成的網絡的節點都是對等節點，是非結構化網絡，這區別於用於結構化網絡中的 DHT 算法 Kadmelia。很多知名的 P2P 網絡或區塊鏈項目，比如 IPFS，Ethereum 等，都使用了 Kadmelia 算法，而大名鼎鼎的 Bitcoin 則是使用了 Gossip 協議來傳播交易和區塊信息。實際上，Ethereum 使用 DHT 算法並不是很合理，因爲它使用節點保存整個鏈數據，不像 IPFS 那樣分片保存數據，因此 Ethereum 真正適合的協議應該像 Bitcoin 那樣，是 Gossip 協議。
從 gossip 單詞就可以看到，其中文意思是八卦、流言等意思，我們可以想象下緋聞的傳播（或者流行病的傳播）；gossip 協議的工作原理就類似於這個。gossip 協議利用一種隨機的方式將信息傳播到整個網絡中，並在一定時間內使得系統內的所有節點數據一致。Gossip 其實是一種去中心化思路的分佈式協議，解決狀態在集羣中的傳播和狀態一致性的保證兩個問題。
優勢
可擴展性（Scalable）
gossip 協議是可擴展的，一般需要 O(logN) 輪就可以將信息傳播到所有的節點，其中 N 代表節點的個數。每個節點僅發送固定數量的消息，並且與網絡中節點數目無法。在數據傳送的時候，節點並不會等待消息的 ack，所以消息傳送失敗也沒有關係，因爲可以通過其他節點將消息傳遞給之前傳送失敗的節點。系統可以輕鬆擴展到數百萬個進程。
容錯（Fault-tolerance）
網絡中任何節點的重啓或者宕機都不會影響 gossip 協議的運行。
健壯性（Robust）
gossip 協議是去中心化的協議，所以集羣中的所有節點都是對等的，沒有特殊的節點，所以任何節點出現問題都不會阻止其他節點繼續發送消息。任何節點都可以隨時加入或離開，而不會影響系統的整體服務質量（QOS）
最終一致性（Convergent consistency）
Gossip 協議實現信息指數級的快速傳播，因此在有新信息需要傳播時，消息可以快速地發送到全局節點，在有限的時間內能夠做到所有節點都擁有最新的數據。
簡單（Simplicity）
Gossip 協議實現過程簡單，沒有太多複雜性。
劣勢
分佈式網絡中，沒有一種完美的解決方案，Gossip 協議跟其他協議一樣，也有一些不可避免的缺陷，主要是兩個：
1）消息的延遲
由於 Gossip 協議中，節點只會隨機向少數幾個節點發送消息，消息最終是通過多個輪次的散播而到達全網的，因此使用 Gossip 協議會造成不可避免的消息延遲。不適合用在對實時性要求較高的場景下。
2）消息冗餘
Gossip 協議規定，節點會定期隨機選擇周圍節點發送消息，而收到消息的節點也會重複該步驟，因此就不可避免的存在消息重複發送給同一節點的情況，造成了消息的冗餘，同時也增加了收到消息的節點的處理壓力。而且，由於是定期發送，因此，即使收到了消息的節點還會反覆收到重複消息，加重了消息的冗餘。
協議類型
gossip 協議的類型。目前主要有兩種方法：
- Anti-Entropy（反熵）：以固定的概率傳播所有的數據
- Rumor-Mongering（謠言傳播）：僅傳播新到達的數據
Anti-Entropy
Anti-Entropy 的主要工作方式是：每個節點週期性地隨機選擇其他節點，然後通過互相交換自己的所有數據來消除兩者之間的差異。Anti-Entropy 這種方法非常可靠，但是每次節點兩兩交換自己的所有數據會帶來非常大的通信負擔，以此不會頻繁使用。
Anti-Entropy 使用“simple epidemics”的方式，所以其包含兩種狀態：susceptible 和 infective，這種模型也稱爲 SI model。處於 infective 狀態的節點代表其有數據更新，並且會將這個數據分享給其他節點；處於 susceptible 狀態的節點代表其並沒有收到來自其他節點的更新。
Rumor-Mongering
Rumor-Mongering 的主要工作方式是：當一個節點有了新的信息後，這個節點變成活躍狀態，並週期性地聯繫其他節點向其發送新信息。直到所有的節點都知道該新信息。因爲節點之間只是交換新信息，所有大大減少了通信的負擔。
Rumor-Mongering 使用“complex epidemics”方法，相比 Anti-Entropy 多了一種狀態：removed，這種模型也稱爲 SIR model。處於 removed 狀態的節點說明其已經接收到來自其他節點的更新，但是其並不會將這個更新分享給其他節點。因爲 Rumor 消息會在某個時間標記爲 removed，然後不會發送給其他節點，所以 Rumor-Mongering 類型的 gossip 協議有極小概率使得更新不會達到所有節點。一般來說，爲了在通信代價和可靠性之間取得折中，需要將這兩種方法結合使用。
通信方式
不管是 Anti-Entropy 還是 Rumor-Mongering 都涉及到節點間的數據交互方式，節點間的交互方式主要有三種：Push、Pull 以及 Push&Pull。
- Push：發起信息交換的節點 A 隨機選擇聯繫節點 B，並向其發送自己的信息（key,value,version），節點 B 在收到信息後更新比自己新的數據，一般擁有新信息的節點纔會作爲發起節點。
- Pull：發起信息交換的節點 A 隨機選擇聯繫節點 B，發送自己的(key,version) 信息給B，B將比A新的信息(key,value,version) 發送給A，A更新本地數據。一般無新信息的節點纔會作爲發起節點。
- Push&Pull：在Push和Pull的基礎上，A再將比B新的信息(key,value,version)發送給B，B收到後更新本地數據，從而分別從對方獲取數據，並更新自己的本地數據。
如果把兩個節點數據同步一次定義爲一個週期，則在一個週期內，Push 需通信 1 次，Pull 需 2 次，Push/Pull 則需 3 次。雖然消息數增加了，但從效果上來講，Push/Pull 最好，理論上一個週期內可以使兩個節點完全一致。直觀上，Push/Pull 的收斂速度也是最快的。
收斂分析
流行病傳染最基本的模型僅作如下幾個假設：
- (n+1)個人均勻的分佈在一起
- 每一對人羣之間的傳染概率是β，顯然0<β<1.
- 任意時刻，某個人要麼處於infected的狀態要麼處於uninfected的狀態.
- 一旦某個人從uninfected狀態轉變成爲infected狀態，其一直停留在infected狀態。
有了以上假設，我們可以進一步分析流行病的傳染情況。我們記t時刻處於infected狀態的人數爲yt，處於uninfected狀態的人爲xt，那麼初始狀態 y0=1, x0=n，並且在任何時候xt+yt=n+1.
考慮連續的時間，可知：
dxdt=−βxy
解的：
x=n(n+1)n+eβ(n+1)ty=n+11+ne−β(n+1)t
明顯，當t→∞時，x→0,y→(n+1)，即經過足夠的時間，所有的人都將被傳染。
上述流行病傳染模型爲分析Gossip的性能提供了基礎。在Gossip性能中，可以認爲: β=b/n（因爲對每個節點而言，被其他節點選中的概率就是b/n)。我們令t=clog(n)，可以得到:
y≈(n+1)−1ncb−2
這表明，僅需要O(log(n))個回合，gossip協議即可將信息傳遞到所有的節點。 根據分析可得，Gossip協議具有以下的特點:
- 低延遲。僅僅需要O(log(n))個回合的傳遞時間。
- 非常可靠。僅有1ncb−2個節點不會收到信息。
- 輕量級。每個節點傳送了cblog(n)次信息。
於此同時，Gossip協議的容錯性比較高，例如，50的丟包率等價於使用b/2帶代替b進行分析；50的節點錯誤等價於使用n/2來代替n，同時使用b/2來代替b進行分析，其分析結果不用帶來數量級上的變化。
應用
gossip 協議可以支持以下需求：
- Database replication
- 消息傳播
- Cluster membership
- Failure 檢測
- Overlay Networks
- Aggregations (比如計算平均值、最大值以及總和)