分布式算法-Paxos、Raft、ZAB复习

1. Paxos算法

1.1 算法流程

1.2 接受者选举规则

2. Raft算法

2.1 Leader选举

2.2 安全性

3. ZAB算法

3.1 ZAB协议介绍

3.2 消息广播

3.3 崩溃恢复

3.4 数据同步

1. Paxos算法

Paxos 算法是 Leslie Lamport 在 1990 年提出的，经典且完备的分布式一致性算法，该算法的目标是：在不同的节点间，对一个 key 的取值达成共识（同一个值）。

协议将系统中的节点分为三种角色：Proposer（提案者）、Acceptor（决议者）、Leaner（学习者），他们的具体职责为：

提案者：对 key 的值提出自己的值；
决议者：对提案者的提议进行投票，选定一个提案，形成最终决策；
学习者：学习决议者达成共识的决策。

1.1 算法流程

在 Paxos 中，一个决策过程（Round、Phase、Learn）分为三个阶段：

（1）phase1（准备阶段）

Proposer 向超过半数（n/2+1）Acceptor 发起 prepare 消息(发送编号)；
如果 Acceptor 收到一个编号为 N 的 Prepare 请求，且 N 大于该 Acceptor 已经响应过的所有 Prepare 请求的编号，那么它就会将它已经接受过的编号最大的提案（如果有的话）作为响应反馈给 Proposer，同时该 Acceptor 承诺不再接受任何编号小于 N 的提案。否则拒绝返回。

（2）phase2（决议阶段或投票阶段）

如果超过半数 Acceptor 回复 promise，Proposer 向 Acceptor 发送 accept 消息。注意此时的 V：V 就是收到的响应中编号最大的提案的，如果响应中不包含任何提案，那么 V 就由 Proposer 自己决定；
Acceptor 检查 accept 消息是否符合规则，只要该 Acceptor 没有对编号大于 N 的 Prepare 请求做出过响应，它就接受该提案。

（3）Learn阶段

Proposer在收到多数Acceptors的Accept之后，标志着本次Accept成功，决议形成，将形成的决议发送给所有Learners。

1.2 接受者选举规则

Paxos 除了达成共识功能，还实现了容错，在少于一半节点出现故障时，集群也能工作。提案编号大小代表优先级。对于提案编号，接受者提供三个承诺：

如果准备请求的提案编号，小于等于接受者已经响应的准备请求的提案编号，那么接受者承诺不响应这个准备请求
如果接受请求中的提案编号，小于接受者已经响应的准备请求的提案编号，那么接受者承诺不通过这个提案
如果按受者已通过提案，那些接受者承诺会在准备请求的响应中，包含已经通过的最大编号的提案信息

注意：Paxos是一种思想。（个人感觉和Reft算法思想感觉非常相似，就是通过节点间投票选举出包含最新数据的节点作为主节点，然后同步给其他副节点。也可能是我没理解到精髓。）

2. Raft算法

不同于Paxos算法直接从分布式一致性问题出发推导出来，Raft算法则是从多副本状态机的角度提出，用于管理多副本状态机的日志复制。比如Redis集群选主，使用的就是Reft算法。

在 Raft 中，节点被分为 Leader、Follower、Cabdidate 三种角色：

Leader: 接受客户端请求并向Follower同步请求日志，当日志同步到大多数节点上后告诉Follower提交日志。
Follower: 接受并持久化Leader同步的日志，在Leader告之日志可以提交之后提交日志。
Candidate: Leader选举过程中的临时角色。

Term：是有连续单调递增的编号，每个 term 开始于选举阶段，一般由选举阶段和领导阶段组成。
随机超时时间：Follower 节点每次收到 Leader 的心跳请求后，会设置一个随机的，区间位于[150ms, 300ms)的超时时间。若超过超时时间没有收到 Leader 的下一条请求，则认为 Leader 过期/故障了。
心跳续命：Leader 在当选期间，会以一定时间间隔向其他节点发送心跳请求，以维护自己Leader地位

2.1 Leader选举

Raft 使用心跳(heartbeat)触发Leader选举。当某个 follower 节点在超时时间内未收到 Leader 的请求，它则认为当前 Leader 宕机或者当前无Leader，将发起选举，既从一个 Follower 变成 Candidate。过程如下：

增加本地节点的Current Term 值
状态切换为Candidate
该节点投自己一票
批量向其他节点发送拉票请求

在这个过程中，其他 Follower 节点收到拉票请求后，需要判断请求的合法性，然后为第一个到达的合法拉票请求进行投票。投票过程对于 Follower 的约束有三点：

在一个任期 Term 中只能投一票；
候选人的 Term 值大于 Current Term，且候选人已执行的 Log 序号不低于本地 Log，则拉票请求合法；
只选择首先到达的合法拉票请求；

有三种选举结果：

选举过程收到了过半投票，成为leader
选举过程中接收到其他Leader的RPC消息通知，已经有Leader了，直接变为Follower
前两种情况均未发生，等待下一轮选举

2.2 安全性

（1）选举安全性：

在一个集群中任何时刻只能有一个 leader，系统中同时有多余一个 leader，被称之为脑裂（brain split），这是非常严重的问题，会导致数据的覆盖丢失。在 raft 中，通过两点保证了这个属性：

一个节点某一任期内最多只能投一票；而节点B的term必须比A的新，A才能给B投票。
只有获得多数投票的节点才会成为 leader。

（2）日志 append only：

如果两个节点上的某个 log entry 的 log index 相同且 term 相同，那么在该 index 之前的所有 log entry 应该都是相同的。Raft 的日志机制提供两个保证，统称为 Log Matching Property：

不同机器的日志中如果有两个entry有相同的偏移和term号，那么它们存储相同的指令。
如果不同机器上的日志中有两个相同偏移和 term 号的日志，那么日志中这个 entry 之前的所有 entry 保持一致。

（3）Leader 完备性:

被选举人必须比自己知道的更多（比较 term 、log index），选举的安全性其实已经保证了这一点。

3. ZAB算法

3.1 ZAB协议介绍

ZAB 协议全称：Zookeeper Atomic Broadcast（Zookeeper 原子广播协议）。Zookeeper 是一个为分布式应用提供高效且可靠的分布式协调服务，在解决分布式一致性方面，Zookeeper 并没有使用 Paxos ，而是采用了 ZAB 协议。ZAB 协议是为分布式协调服务 Zookeeper 专门设计的一种支持崩溃恢复和原子广播协议。

基于该协议，Zookeeper 实现了一种 主备模式 的系统架构来保持集群中各个副本之间数据一致性。具体如下图所示：

从上图看，所有客户端写入数据都是写入到主进程（称为 Leader）中，然后，由 Leader 复制到备份进程（称为 Follower）中。从而保证数据一致性。从设计上看，和 Raft 类似。

Ps：那么复制过程又是如何的呢？

复制过程类似 2PC，ZAB 只需要 Follower 有一半以上返回 Ack 信息就可以执行提交，大大减小了同步阻塞。也提高了可用性。

3.2 消息广播

对于客户端发送的写请求，全部由 Leader 接收，Leader 将请求封装成一个事务 Proposal，将其发送给所有 Follwer ，然后根据所有 Follwer 的反馈，如果超过半数成功响应，则执行 commit 操作（先提交自己，再发送 commit 给所有 Follwer），类似二阶段提交过程。整个广播流程分为 3 步骤：

1. 将数据都复制到 Follwer 中

2. 等待 Follwer 回应 Ack，最低超过半数即成功

3. 当超过半数成功回应，则执行 commit ，同时提交自己

通过以上 3 个步骤，就能够保持集群之间数据的一致性。其他补充须知：

Leader 在收到客户端请求之后，会将这个请求封装成一个事务，并给这个事务分配一个全局递增的唯一 ID，称为事务ID（ZXID），ZAB 兮协议需要保证事务的顺序，因此必须将每一个事务按照 ZXID 进行先后排序然后处理。
在Leader和Follwer之间还有一个消息队列，用来降低他们之间的耦合，解除同步阻塞。
zookeeper集群中为保证任何所有进程能够有序的顺序执行，只能是 Leader 服务器接受写请求，即使是 Follower 服务器接受到客户端的请求，也会转发到 Leader 服务器进行处理。
实际上，这是一种简化版本的 2PC，不能解决单点问题。等会我们会讲述 ZAB 如何解决单点问题（即 Leader 崩溃问题）。

3.3 崩溃恢复

刚刚说消息广播过程中，Leader 崩溃怎么办？还能保证数据一致吗？如果 Leader 先本地提交了，然后 commit 请求没有发送出去，怎么办？ZAB 定义了 2 个原则：

ZAB 协议确保那些已经在 Leader 提交的事务最终会被所有服务器提交。
ZAB 协议确保丢弃那些只在 Leader 提出/复制，但没有提交的事务。

基于这两个原则，选举算法：能够确保提交已经被 Leader 提交的事务，同时丢弃已经被跳过的事务。如果让 Leader 选举算法能够保证新选举出来的 Leader 服务器拥有集群总所有机器编号（即 ZXID 最大）的事务，那么就能够保证这个新选举出来的 Leader 一定具有所有已经提交的提案。