Paxos协议学习---2.由3大条件证明一致性

2024-05-05 15:48

本文主要是介绍Paxos协议学习---2.由3大条件证明一致性,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!

Paxos是分布式的一致性协议,最重要的部分当然是这个一致性的证明。

在朴素Paxos协议中给出了3大条件,只要达到了这3大条件

可以证明,如果Paxos协议达成了一次成功的表决,那么这个表决具有一致性。

需要说明的是,这3大条件并不保证进行性,也就是说并不保证一定会达成成功的表决。

但是可以保证的是,如果达成了一个成功表决,那么这个表决具有一致性。

1.基本术语

(1)

ballot/B表决
decree法令
quorum法定人数集、多数派

Bdec某次表决的法令
Bqrm参与某次表决的牧师集合
Bvot参与某次表决的牧师中投赞成票的集合
Bbal某次表决的编号

说明1:成功的表决

说一轮表决B是成功的,当且仅当Bqrm属于Bvot
即该轮表决中所有参与的牧师都投了赞成票

说明2:表决的大小

B1 > B2 等价于 B1val > B2val,
但是这个下标并不反映实际表决发生的顺序。
即允许bal小的表决发生在bal大的之后


(2)

要最终确定一个值需要多轮表决。
某次表决B
多轮表决构成的集合是β

V表示一个投票
Vbal表示投票的编号
Vpst表示投票的牧师
Vvec表示投票的法令
V1<V2等价于,V1bal<V2bal
Votes(β)表示所有在β中的投票
p表示一个牧师
b表示一个表决的编号
MaxVote(b,p,β)表示β中,由p投出的所有表决中,编号小于b
的投票中最大的投票v。
Q表示牧师集合
MaxVote(b,Q,β)表示,所有p属于Q中MaxVote(b,p,β)的最大值


2.MaxVote(b,Q,β)

MaxVote(b,Q,β)的意义十分重要,是接下来要介绍的三大条件以及后面一致性证明的核心概念。

用一个例子来表述MaxVote(b,Q,β)的含义。


其中,最左边的#下面表示的是编号bal

然后decree表示的是需要表决的法令

接下来A、B、倒L、三角形、E表示所有可能来进行表决的牧师

每一行实际显示出的牧师就是Bqrm,牧师中的多数派

每一行被方框框住的牧师就是Bvot,Bqrm中实际在某次表决中投赞成票的牧师。

MaxVote(2,{A、B、倒L、三角形},β) bal == null

MaxVote(5,{A、B、倒L、E},β) bal == null

MaxVote(14,{B、三角形、E},β) bal == 2      ,其中关联牧师为三角形

MaxVote(27,{A、倒L、三角形},β) bal == 5   ,其中关联牧师为倒L

MaxVote(29,{B、倒L、三角形},β)bal  == 27 ,其中关联牧师为倒L、三角形


3.三大条件

条件1:β中的每一轮表决,都有一个唯一的编号
条件2:β中任意两轮的B1qrm和B2qrm中,至少有一个公共的牧师成员
条件3:对于每一轮表决B,如果B的Bqrm中任何一个牧师在β中一个编号更小的表决中投过赞成票,
那么B的法令必须与所有更小轮表决中的最大那次的表决的法令相同

条件2的笔记:
由于有公共假设,牧师如果没有出去旅游,就会来办公,
并且如果同时有超过总数量一半的牧师不来,就是无法确定一个法令。
所以条件2又可以表述为
任意一次的Bqrm都是超过牧师总数量的一半的。
即Bqrm始终要是总人数的多数派这次表决才能生效。


条件3的笔记:
(1)
相对于条件1和2的好理解,
这个条件3仿佛是不知怎么样就出现的一个古怪约束。
然而这才是重头戏,要保证一致性,这个条件3是相当重要的。
(2)
假设本次表决编号N,现在有牧师1-k,
它们投过票的表决编号为N1-Nk,
条件3就是要保证,N1-Nk都小于N,
然后选出N1-Nk中最大的那个编号对应的表决的法令作为本次表决的法令

这个条件结合MaxVote(b,Q,β)与上面的图更好理解一些。


三大条件更正式的表述如下:



4.引理与定理

(1)引理1

在3大条件被满足的情况下,如果β中的表决B是成功的,那么β中更大编号的表决和B有相同的法令。

(2)定理1

在3大条件被满足的情况下,任意两轮成功的表决,都是对相同法令的表决。

(3)定理2

在3大条件被满足的情况下,是有可能做出一次成功的表决的。
但不能保证一定会产生一轮成功的表决。
但至少表明在3大条件的基础上表决协议不会产生死锁。


引理与定理的正式表述:

(1)引理1


(2)定理1


(3)定理2



思考:

(1)由定理1很容易理解如果产生了成功的表决,那么表决具有一致性。

因为所有成功的表决都是对相同的法令进行的表决。

(2)由引理1很容易证明定理1

因为所有不同的成功的表决的编号都是不同的,这一点由条件1保证。

那么假设成功表决中编号最大的表决时B,那么由引理1可知,任一成功的表决的法令都与B相同。

所以任一成功的表决的法令是相同的。


5.证明一致性

由4中的思考的(1)、(2)可知,证明朴素Paxos如果成功表决,那么其结果具有一致性的证明的关键是引理1的证明。

论文中采用的是反证法证明。

引理1说如果满足条件1-3,并且B是一次通过的表决,那么所有编号比Bbal大的表决的法令和Bdec相同。

假设:存在集合X,X为比B编号大,并且法令与Bdec不同的表决的集合。

进一步假设C是X中编号最小的一个表决。

通过一系列的推导,可以得出
MaxVote(Cbal,Cqrm,β)属于集合X
并且MaxVote(Cbal,Cqrm,β)bal < Cbal
这是矛盾的。

我们令MaxVote(Cbal,Cqrm,β)=D
那么D属于集合X,并且Dbal < Cbal
但是我们之前的假设就是C是集合X中bal最小的。
所以矛盾。

那么假设不成立,那么命题引理1得证。


正式的推导:





说明:

步骤3.因为B是一次成功的投票,所以Bvot==Bqrm,又因为C也是一次β中的投票所以Cqrm也是多数派。

所以Bvot与上Cqrm == Bqrm与上Cqrm != 空集

步骤4.因为C是属于集合X的,而集合X的定义又是bal大于Bbal的,

并且MaxVote(Cbal,Cqrm,β)bal的定义是所有比Cbal小的里面最大的。

所以MaxVote(Cbal,Cqrm,β)bal大于等于Bbal

步骤5、6.由步骤4可知MaxVote(Cbal,Cqrm,β)bal >= Bbal

所以无论如何MaxVote不是nullVote,那么根据条件3就可以推出步骤6





这篇关于Paxos协议学习---2.由3大条件证明一致性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/962060

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

线性代数|机器学习-P36在图中找聚类

文章目录 1. 常见图结构2. 谱聚类 感觉后面几节课的内容跨越太大,需要补充太多的知识点,教授讲得内容跨越较大,一般一节课的内容是书本上的一章节内容,所以看视频比较吃力,需要先预习课本内容后才能够很好的理解教授讲解的知识点。 1. 常见图结构 假设我们有如下图结构: Adjacency Matrix:行和列表示的是节点的位置,A[i,j]表示的第 i 个节点和第 j 个

Node.js学习记录(二)

目录 一、express 1、初识express 2、安装express 3、创建并启动web服务器 4、监听 GET&POST 请求、响应内容给客户端 5、获取URL中携带的查询参数 6、获取URL中动态参数 7、静态资源托管 二、工具nodemon 三、express路由 1、express中路由 2、路由的匹配 3、路由模块化 4、路由模块添加前缀 四、中间件