對共識算法 Paxos、Raft 的一些理解

共識算法針對的問題

分佈式系統中，基礎的 共識算法（Consensus Algorithm） 希望解決的是如下問題：消息有亂序、丟失、重複情況下，多個分佈式節點對一個值達成最終絕對一致¹。

• 不考慮消息內容的篡改（Byzantine）
• 節點存儲必須絕對可靠

爲什麼對 Paxos、Raft 等的研究很重要

傳統 2PC（兩階段提交）、3PC（三階段提交） 的缺點是這一個節點宕機則系統不可用（或存在 腦裂 問題不能解決）；這些現代共識算法的目標就是在有多個副本同時參與、超半數仍正常工作的情況下（少數副本可以掛掉，從而可用性更高了）仍能保證 100% 一致性。

Paxos、Multi-Paxos、Raft

Paxos 和 Raft 的前世今生 | 知乎¹ 這篇文章是我認爲講解的比較讓我抓住了脈絡的文章，可以參考。

• Paxos: 保證單個提案的一致
  • 方法：多個 Acceptors；Proposal = (ID, V)，ID 有全序關係；超半數同意
  • 保證永遠可用嗎？不：
    • 一樣可能多數都掛掉，只是可靠性更高了
    • 原始的 Paxos 會出現兩階段化帶來的活鎖
  • 值得閱讀：
    1. Paxos 初版論文 from Lamport - The Part-Time Parliament, TOCS’98²
    2. Paxos 二版解釋 from Lamport - Paxos Made Simple³
    3. 最清楚的解釋來自 wiki：https://zh.wikipedia.org/wiki/Paxos%E7%AE%97%E6%B3%95⁴
• Multi-Paxos：提高性能但只需保證一批提案的最終一致
  • 方法：利用 Paxos 選舉唯一的 leader，而後在 leader 有效期內所有的議案都只能由 leader 發起
  • 值得閱讀：http://oceanbase.org.cn/?p=111⁵
• Raft：更貼近實踐、更易理解的 Multi-Paxos 方案
  • 方法：加入 Timeout 機制；Leader Election & 任期（Term）；Log Replication，Paxos 中的 ID 即爲 Raft 中的 Term + Log Index，一旦出現更新的 log 則聽從，保證 log 的最終一致性
  • 值得閱讀：
    1. Raft 官網 - https://raft.github.io/
    2. Raft 論文 from Stanford - In Search of an Understandable Consensus Algorithm⁶
    3. 非常好的在線演示：http://thesecretlivesofdata.com/raft/

---

1. https://zhuanlan.zhihu.com/p/46531628 ↩︎ ↩︎

2. http://lamport.azurewebsites.net/pubs/lamport-Paxos.pdf ↩︎

3. http://lamport.azurewebsites.net/pubs/Paxos-simple.pdf ↩︎

4. https://zh.wikipedia.org/wiki/Paxos%E7%AE%97%E6%B3%95 ↩︎

5. http://oceanbase.org.cn/?p=111 ↩︎

6. https://raft.github.io/raft.pdf ↩︎