架构与思维：4大主流分布式算法介绍（图文并茂、算法拆解）

 介绍

本文聚焦高并发场景下分布式一致性算法的分析和讨论

分布式场景下困扰我们的3个核心问题（CAP）：一致性、可用性、分区容错性。

1、一致性（Consistency）： 无论服务如何拆分，所有实例节点同一时间看到是相同的数据

2、可用性（Availability）： 不管是否成功，确保每一个请求都能接收到响应

3、分区容错性（Partition Tolerance）： 系统任意分区后，在网络故障时，仍能操作

而我们最为关注的是如何在高并发下保障 Data Consistency（数据一致性），因为在很多核心金融业务场景（如 支付、下单、跨行转账）中，为了避免资金问题，是需要强一致性结果的。而分布式一致性算法就是保障 Data Consistency的强大利刃，它的目标是确保分布式系统中多个节点在读取或修改同一份数据时，产生相同结果的关键机制。这些算法对于保证分布式系统的一致性和可靠性至关重要。常用的分布式算法：

1. Paxos算法

2. Raft算法

3. ZAB（ZooKeeper Atomic Broadcast）算法

2 主流分布式算法

2.1 Paxos算法

Paxos算法是一种用于分布式系统中保障一致性的算法，由Leslie Lamport于1990年提出，被广泛应用于分布式系统中的一致性问题，如分布式数据库、分布式存储系统等。该算法的主要目标是在一个由多个节点组成的分布式系统中，协调某个数据值并达成一致性，典型的少数服从多数的案例。

2.1.1 基本概念

1. 提案： 由提案号（id）和提案内容（value）组成，其中id主要用于实现Paxos算法，而value对应在实际的分布式系统中为所需要修改数据的命令 或者 log信息。

2. 角色： Paxos算法中抽象出来的概念，对应着实际分布式环境中的不同分工。主要角色包括提议者（Proposer）、批准者（Acceptor）和学习者（Learner）。

• 提议者负责提出值的提案

• 接受者负责接受提案并投票

• 学习者负责学习已经达成一致的值

  <