Paxos、Raft不是一致性算法/协议?

2024-09-02 09:58

本文主要是介绍Paxos、Raft不是一致性算法/协议?,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

点击上方“朱小厮的博客”,选择“设为星标”

后台回复”加群“获取公众号专属群聊入口

欢迎跳转到本文的原文链接:https://honeypps.com/architect/consistency-is-not-consensus/

作为互联网中的一员,我们时常沉浸在“分布式”的氛围当中——高可用、高可靠、高性能等等词汇随处可见,CAP、BASE、2PC、Paxos、Raft等等名词也能信手捏来。不过,有些词在我们“并不严谨”的传播中逐渐被误用了,或者说含糊不清了。今天,我们来简单聊聊“Consistency”这个词,即一致性。

Paxos、Raft等通常被误称为“一致性算法”。但是“一致性(Consistency)”和“共识(Consensus)”并不是同一个概念。Paxos、Raft等其实都是共识(Consensus)算法。

Leslie Lamport于1998年在ACM Transactions on Computer Systems上发表了一篇《The Part-Time Parliament》[1]的文章,这是Paxos算法第一次公开发表。但是发表之后,很多人还是觉得原来那篇太难理解了,之后Lamport又写了一篇《Paxos Made Simple》[2],当我们想要学习一下Paxos的时候,可以直接看看这篇。

回到正题,我们在《Paxos Made Simple》中搜索“Consistency”一词,如下图所示,其实是毫无匹配结果的。

反观,我们搜索“Consensus”一词的时候,却出现了很多匹配项。

也就是说,Paxos论文通篇提都没提Consistency一词,何来的“Paxos is a consistency algorithm”的说法。

与此类似的是,在Raft论文《In Search of an Understandable Consensus Algorithm (Extended Version)》[3]中开头就对Raft给出了明确的定义:Raft is a consensus algorithm....,注意这里是consensus,而不是consistency。

这时候我们不妨再打开字典。乍眼一看,字典中Consistency和Consenus译意接近,都有“一致”的含义,但是仔细深究又有所不同:Consistency:一致性,Consensus:共识、一致的意见。

从专业的角度来讲,我们通常所说的一致性(Consistency)在分布式系统中指的是对于同一个数据的多个副本,其对外表现的数据一致性,如强一致性、顺序一致性、最终一致性等,都是用来描述副本问题中的一致性的。而共识(Consensus)则不同,简单来说,共识问题是要经过某种算法使多个节点达成相同状态的一个过程。一致性强调结果,共识强调过程。

《分布式系统概念与设计》一书中对共识问题进行了如下定义:为达到共识,每个进程 pi 最初处于未决(undecided)状态,并且提议集合D中的一个值 vi 。进程之间互相通信,交换值。然后,每个进程设置一个决定变量(decision variable)di 的值。在这种情况下,它进入决定(decided)状态。在此状态下,他不再改变di。

下图中给出了参与一个共识算法的3个进程。两个进程提议“继续”, 第三个进程提议“放弃”但随后崩溃。保持正确的两个进程都决定“继续”。(其中i = 1, 2, ……, N; j = 1, 2, ……, N。)

共识算法的要求是在每次执行中满足以下条件:

  • 终止性:每个正确进程最终设置它的决定变量。

  • 协定性:所有正确进程的决定值都相同,即如果 pi 和 pj 是正确的并且已进入决定状态,那么 di = dj。

  • 完整性:如果正确的进程都提议同一个值,那么处于决定状态的任何正确进程已选择了该值。

共识问题中所有的节点要最终达成共识,由于最终目标是所有节点都要达成一致,所以根本不存在一致性强弱之分。所以,以后我们看到“Paxos是一个强一致性算法”、“Raft是一个强一致性协议”等类似说法的时候,我们更要以一种“审视”的眼光去看待后面的内容。

在我们大多数人的大多数工作内容中,一致性(Consistency)与共识(Consensus)的差别其实无关痛痒。但是如果我们想抬高一个维度,深入的去研究一下分布式领域的内容,那么这些最基础的概念如果区分不清楚的话,会对后面的学习过程产生很大的阻碍。

越是相近的词汇,越要清楚的区分。就算是同一个单词,也会有不同的含义解析,比如CAP和ACID中的C都是Consistency的缩写,但这两者在各自场景下的含义也并不相同。

  • ACID的C指的是事务中的一致性,在一系列对数据修改的操作中,保证数据的正确性。即数据在事务期间的多个操作中,数据不会凭空的消失或增加,数据的每一个增删改操作都是有因果关系的。比如用户A向用户B转了200块钱,不会出现用户A扣了款,而用户B没有收到的情况。

  • 在分布式环境中,多服务之间的复制是异步,需要一定耗时,不会瞬间完成。在某个服务节点的数据修改之后,到同步到其它服务节点之间存在一定的时间间隔,如果在这个间隔内有并发读请求过来,而这些请求又负载均衡到多个节点,可能会出现从多个节点数据不一致的情况,因为请求有可能会落到还没完成数据同步的节点上。CAP中的C就是为了做到在分布式环境中读取的数据是一致的。

总的来说,ACID的C着重强调单数据库事务操作时,要保证数据的完整和正确性,而CAP理论中的C强调的是对一个数据多个备份的读写一致性。

对于今天的知识点有什么想说的嘛?不妨在留言区留下你的想法。

参考资料

  1. http://lamport.azurewebsites.net/pubs/lamport-paxos.pdf

  2. http://lamport.azurewebsites.net/pubs/paxos-simple.pdf

  3. https://raft.github.io/raft.pdf

  4. 浅谈 CAP 和 Paxos 共识算法

  5. 被误用的“一致性”

  6. 分布式共识(Consensus):Viewstamped Replication、Raft以及Paxos

欢迎跳转到本文的原文链接:https://honeypps.com/architect/consistency-is-not-consensus/

想知道更多?描下面的二维码关注我

后台回复”加群“获取公众号专属群聊入口

【精彩推荐】

  • 咱们从头到尾说一次Java垃圾回收

  • Netty、Kafka中的零拷贝技术到底有多牛?

  • go为什么这么快?

  • 面试前,我们要复习多少Redis知识?

  • 《深入理解Java虚拟机》第2版挖的坑终于在第3版中被R大填平了

  • Redis性能问题分析

  • 浅谈CAP和Paxos共识算法

  • 聊一聊Java中的文件锁

  • Kafka为什么这么快?

字节跳动2020春季实习生招聘及校招全职补录全面启动!

朕已阅 

这篇关于Paxos、Raft不是一致性算法/协议?的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1129645

相关文章

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

【数据结构】——原来排序算法搞懂这些就行,轻松拿捏

前言:快速排序的实现最重要的是找基准值,下面让我们来了解如何实现找基准值 基准值的注释:在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。 在此我们采用三数取中法,也就是取左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值。 快速排序实现主框架: //快速排序 void QuickSort(int* arr, int left, int rig

poj 3974 and hdu 3068 最长回文串的O(n)解法(Manacher算法)

求一段字符串中的最长回文串。 因为数据量比较大,用原来的O(n^2)会爆。 小白上的O(n^2)解法代码:TLE啦~ #include<stdio.h>#include<string.h>const int Maxn = 1000000;char s[Maxn];int main(){char e[] = {"END"};while(scanf("%s", s) != EO

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

dp算法练习题【8】

不同二叉搜索树 96. 不同的二叉搜索树 给你一个整数 n ,求恰由 n 个节点组成且节点值从 1 到 n 互不相同的 二叉搜索树 有多少种?返回满足题意的二叉搜索树的种数。 示例 1: 输入:n = 3输出:5 示例 2: 输入:n = 1输出:1 class Solution {public int numTrees(int n) {int[] dp = new int

Codeforces Round #240 (Div. 2) E分治算法探究1

Codeforces Round #240 (Div. 2) E  http://codeforces.com/contest/415/problem/E 2^n个数,每次操作将其分成2^q份,对于每一份内部的数进行翻转(逆序),每次操作完后输出操作后新序列的逆序对数。 图一:  划分子问题。 图二: 分而治之,=>  合并 。 图三: 回溯:

最大公因数:欧几里得算法

简述         求两个数字 m和n 的最大公因数,假设r是m%n的余数,只要n不等于0,就一直执行 m=n,n=r 举例 以18和12为例 m n r18 % 12 = 612 % 6 = 06 0所以最大公因数为:6 代码实现 #include<iostream>using namespace std;/