分布式一致性算法

一致性算法

参考：raft算法详解

非拜占庭错误

在分布式系统中，数据在数百或数千个节点上进行复制，需要有一些容错机制或共识算法，如果这些节点的一部分失败，整个系统仍然需要达成共识。假设当一个节点出现故障时，它只是停止工作，不会回复消息。一般可以使用 Paxos、Raft 及其变种，分布式数据库设计一般都是基于paxos或raft算法。

Paxos

Paxos完成一次写操作需要两次来回，分别是prepare/promise, 和 propose/accept：
第一次由提交者Leader向所有其他服务器发出prepare消息请求准备，所有服务器中大多数如果回复诺言承诺就表示准备好了，可以接受写入；第二次提交者向所有服务器发出正式建议propose，所有服务器中大多数如果回复已经接收就表示成功了。

Raft

三种角色

• Leader: 处理所有客户端交互，日志复制等，一般一次只有一个Leader.
• Follower: 类似选民，完全被动
• Candidate候选人: 类似Proposer律师，可以被选为一个新的领导人。
  初始全部都是Follower，一段时间没有接收到leader的消息就会有candidate产生，然后开启选举，获取超过一半的选票就可以当选，如果同票，这两个candidate再次来一轮。

拜占庭错误

主流共识算法介绍
对于要能容忍拜占庭错误的情况，一般包括 BFT 系列、PoW 系列算法等。
拜占庭容错中，错误节点最多不能超过1/3.
从概率角度，BFT 系列算法是确定的，一旦达成共识就不可逆转；而 PoW 系列算法则是不确定的，随着时间推移，被推翻的概率越来越小。

• PoW（Proof of Work，工作量证明）
• PoS（Proof of Stake，权益证明）
• DPoS（Delegate Proof of Stake，委托权益证明）
• PBFT（Practical Byzantine Fault Tolerance，实用拜占庭容错算法）