wang0907的博客

分布式理论之分布式互斥分布式理论之分布式选举

因为zab协议是zk为了解决指令的顺序性问题而设计的一种分布式共识协议，所以用自己的名字来命名就很正常了。

在一文中我们分析了PBFT算法，但是该算法对恶意节点的个数有要求，即不能超过（n-1/3），试想下如果将该算法用在区块链中，那就麻烦了。想要解决这个问题，就需要用到PoW算法，也正是本文要分析的内容，下面我们就开始吧！

PBFT是一个支持拜占庭容错的分布式共识算法，其消息都是加密的不可篡改(这点类似秘钥消息型拜占庭问题之解)，假定叛徒数为f，总节点数为n，则二者需要满足3f + 1

假设现在我们实现了系统，但是公司突然要对某些业务进行实时的数据计算，并且要求按照强一致性的方式来读取数据，此时作为系统设计这的我们该怎么办呢？单独为这部分业务实时抽出最新数据？还是修改原有系统？看起来都不是很靠谱，为了一个单独临时的业务而做出这么大的动作，显然是不适合的。此时我们就可以考虑在系统中引入Quorum NWR算法，从而实现数据的强一致性。下面我们就来一起看下吧！

假如你的业务对系统的可用性要求非常高，就算集群只剩下一个节点，也要能够正常对外提供服务，因为要求大多数节点可用所以就没有用武之地了。此时，我们就可以考虑使用gossip协议了，使用该协议来实现一种去中心化的集群，从而实现。

在一文中我们分析了当前比较常用的raft共识算法，通过raft算法我们可以很容易搭建集群并选举leader，然后由leader负责数据的写操作，这样也可以很容易的解决数据一致性的问题，但是只由leader来处理写操作，无疑就会让我们的系统退化为单机，系统性能也就可想而知了，本文就一起来看下如何解决这个问题。

在一文中我们分析了paxos算法，知道了其包括basic paxos和multi paxos，并了解了multi paxos只是一种分布式共识算法的思想，而非具体算法，但可根据其设计具体的算法，本文就一起来看下其一种具体的实现算法raft，这也是当前中心化架构分布式系统使用最多的一种分布式共识算法了，下面我们就一起看下吧！

分布式共识是分布式系统中的重要内容，本文来一起看下，一种历史悠久的实现分布式共识的算法Paxos。Paxos主要分为两部分，Basic Paxos和Multi-Paxos,其中Basic Paxos用来使得一个值在多个副本集中达成共识，Multi-Paxos用来使得多个值在副本集中达成共识，所以Multi-Paxos可以看做是basic paxos的批量版本。下面我们就一起来看下吧！

在我们分析了分布式系统中的CAP理论，但是CAP理论其实并不是完全适用于现代的互联网系统的，当我们将系统设计为CP时，此时假设我们的系统有3个节点，如果每个节点的可用性是99.9%，则整个集群的可用性就是99.7%，则每个月集群不可用的时间是，一个月就有超过两个小时的时间集群不可用，简直就是灾难级了，这还只是3个节点，节点越多会越严重，这么看来CP显然是有很大问题的。

本文一起来看下分布式环境下的事务问题，即我们经常听到的分布式事务问题。想要解决分布式事务问题，需要使用到分布式事务相关的协议，主要有2PC即两阶段提交协议，TCC（try-confirm-cancel），接下来我们一起看下吧！

任何存在的事物都有其内在的特性，分布式也不例外，那么分布式都有什么特性呢？CA和都很清晰，这里的P分区容错中的分区指的是网络分区，即正常同一个局域网的环境，因为某些网络问题变为不同的局域网的情况。接下来我们就分别看下吧！

拜占庭问题是对分布式系统中共识问题的一种情景化描述，其描述中有3位将军，3位将军围困一座城池，如下图：在决定是否进攻城池之前，3位将军需要协商进攻还是撤退，这个协商的过程通过信使传达消息来完成，每位将军在观察敌情之后做出进攻和撤退的决定，通过信使来将自己的决定传达给另外两位将军，如果进攻的话，必须至少2位将军同时进攻才能攻下城池，否则将会攻占城池失败。即3位将军需要对进攻城池还是撤退达成共识，如果3位将军都是忠诚的，则会一切正常，如下图：此时三位将军得到指令如下。

在一文中我们提到了分布式的体系架构中有一种是集中式架构，在这种架构中由主来负责数据的存储和任务的分配，注意这里的任务分配，该怎么分呢？这里其实就是调度的问题了，在分布式中解决这类问题的架构我们叫做是调度架构，主要有单体调度和和两层调度，本文分别来看下。

分布式的体系结构目前有两种，第一种是集中式架构，也就是我们最常见到的master-slave架构，第二种是非集中式架构，也就是我们经常听到的去中心化架构，本文我们就一起来看下吧！

在分布式理论之分布式互斥1：集中式算法2：分布式算法3：令牌环算法而本文要分析的分布式锁，就是其中的算法1，接下来我们一起看下。

本文看下用来解决分布式环境下数据一致性问题的Gossip协议。在,Consul等分布式软件中都使用了该协议。接下来我们一起看下。

我们知道，像MySQL的InnoDB存储引擎提供了事务的能力，严格遵守AICD的事务要求，但是在分布式环境中，一个请求会在多个服务实例存在多个事务，如购物，会有订单系统，支付系统，物流系统，各个系统的事务逻辑上是一个统一的整体，也要保证事务，这种状态下的事务我们就叫做分布式事务，本文要一起学习的就是有哪些方案可以来解决分布式事务的问题。

一个国家需要领导人制定各种国家决策，一个军队也需要最高统领来制定各种军事决策，同理，一个分布式集群也需要一个领导，来协调整个集群的事务，比如保证数据一致性(这也是最重要的！)，分布式集群的领导，我们一般称之为主节点，这个主节点选择的过程我们就叫做分布式选举，而分布式选举可以有各种不同的方案，这些不同的方案叫做分布式选举算法，本文就是来一起来学习常见的分布式选角算法都有哪些，接下来我们就一起看下吧！

本文一起看下分布式理论中的分布式互斥（distributed mutual[ˈmjutʃuəl] exclusion）问题，以及解决该问题相关算法。我们先看下什么是临界资源（critical resource），临界资源是同时只能被一个程序访问的共享资源，而分布式互斥就是多个服务以排它的访问方式来访问临界资源，或者是多个服务对临界资源的互斥访问方式。本文我们要分析的算法就是用来解决分布式互斥问题的。1：集中式算法2：分布式算法3：令牌环算法接下来分别看下。