分布式系统相关术语解析

今天主要讲一下跟分布式系统有关的几个名词。

羊群效应

什么是羊群效应呢？

有人曾做过一个实验：

在一群羊面前设置了一个栅栏，领头的羊纵身一跃跳过栅栏，后面的羊也跟着跳过去。

接下来的一幕就有趣了，工作人员将栅栏移走，后面的羊走到这里时，仍像前面的羊一样跳了一下，就好像栅栏还存在一样。

这就是“羊群效应”。

“羊群效应”可以理解为一种从众心理，跟风、随大流，别人干什么，我也干什么。

比如基于Zookeeper来实现分布式锁，常用的实现方式是：

所有的client去create一个/lock znode，率先创建好znode的client获取到锁。其他client发现/lock znode已经存在，则watch该znode是否被删除。当该znode被删除的时候，client收到通知并试图create /lock，重新进行锁的竞争。

这里面的/lock znode就相当于羊群效应里面的头羊，client就是羊群，羊群中的所有羊都监视着头羊的一举一动。

如果有1000个客户端watch一个znode的exists调用，当这个节点被创建的时候，将会有1000个通知被发送。由于1个被watch的znode变化，导致大量的通知需要被发送，将会导致在这个通知期间的其他操作提交的延迟，即触发了羊群效应。

如何解决上述问题呢？

每个client去创建一个顺序的znode /lock/lock-xxx，ZooKeeper会自动添加顺序号/lock/lock-xxx，我们可以通过/lock getChildren去拿到最小的顺序号。如果client不是最小的序列号，就再比自己小一点的znode上添加watch。

通过这种方式，每个节点只watch单个变化，从而避免了羊群效应。

脑裂

脑裂(split-brain)就是“大脑分裂”，也就是本来一个“大脑”被拆分了两个或多个“大脑”，我们都知道，如果一个人有多个大脑，并且相互独立的话，那么会导致人体“手舞足蹈”，“不听使唤”。

脑裂通常会出现在集群环境中，比如ElasticSearch、Zookeeper集群，而这些集群环境有一个统一的特点，就是它们有一个大脑，比如ElasticSearch集群中有Master节点，Zookeeper集群中有Leader节点。

下面以Zookeeper集群为例来讲解脑裂现象。

对于一个集群，想要提高这个集群的可用性，通常会采用多机房部署，比如现在有一个由6台zkServer所组成的一个集群，部署在了两个机房：

正常情况下，此集群只会有一个Leader，那么如果机房之间的网络断了之后，两个机房内的zkServer还是可以相互通信的，如果不考虑过半机制，那么就会出现每个机房内部都将选出一个Leader。

这就相当于原本一个集群，被分成了两个集群，出现了两个“大脑”，这就是脑裂。

对于这种情况，我们也可以看出来，原本应该是统一的一个集群对外提供服务的，现在变成了两个集群同时对外提供服务，如果过了一会，断了的网络突然联通了，那么此时就会出现问题了，两个集群刚刚都对外提供服务了，数据该怎么合并，数据冲突怎么解决等等问题。

为了解决脑裂，Zookeeper在进行Leader选举时，引入了过半机制。

如果现在集群中有5台zkServer，那么half=5/2=2，那么也就是说，领导者选举的过程中至少要有三台zkServer投了同一个zkServer，才会符合过半机制，才能选出来一个Leader。

那么有一个问题我们想一下，选举的过程中为什么一定要有一个过半机制验证？

因为这样不需要等待所有zkServer都投了同一个zkServer就可以选举出来一个Leader了，这样比较快，所以叫快速领导者选举算法。

拜占庭问题

在很久很久以前，拜占庭是东罗马帝国的首都。那个时候罗马帝国国土辽阔，为了防御目的，因此每个军队都分隔很远，将军与将军之间只能靠信使传递消息。

在打仗的时候，拜占庭军队内所有将军必需达成一致的共识，才能更好地赢得胜利。但是，在军队内有可能存有叛徒，扰乱将军们的决定。

这时候，在已知有成员不可靠的情况下，其余忠诚的将军需要在不受叛徒或间谍的影响下达成一致的协议。

莱斯利·兰伯特（ Leslie Lamport ）通过这个比喻，表达了计算机网络中所存在的一致性问题。这个问题被称为拜占庭问题。

分布式系统首要解决的是如何保持节点之间数据的一致性, 或者说各节点如何达成共识?

根据拜占庭问题的定义，可以将现有的共识算法分为:

• 非拜占庭问题共识解决方案: Raft , Paxos;
• 拜占庭问题共识解决方案: PBFT(所谓拜占庭算法) , DBFT(授权拜占庭容错算法), POW(比特币中算法)。