文章目錄

• 分布式一致性
• • 1. 線性一致性
  • 2. 順序一致性
  • 3. 因果一致性
  • 4. 單調(diào)一致性
  • 5. 最終一致性
• 一致性協(xié)議
• • 1. Paxos算法
  • 2. Raft算法

---

分布式一致性

在CAP、ACID和BASE中都提到了一致性。但是對(duì)于一致性的整個(gè)定義還是非常模糊的，所以本文會(huì)詳細(xì)介紹一致性的模型，以及目前比較流行的一致性協(xié)議。

數(shù)據(jù)一致性并不只有存在與不存在兩種情況，就像可以用0%到100%之間的任意數(shù)值來(lái)代表可用性的程度一樣，一致性也有一些分類(lèi)。一致性模型按照強(qiáng)弱可以粗略地分為弱一致性模型、最終一致性模型和強(qiáng)一致性模型。

• 弱一致性模型的特點(diǎn)是向系統(tǒng)更新或者寫(xiě)入一個(gè)數(shù)值后，后續(xù)的讀操作不一定能夠讀到這個(gè)最新的數(shù)值。
• 最終一致性模型的特點(diǎn)是向系統(tǒng)更新或者寫(xiě)入一個(gè)數(shù)值后，后續(xù)一段時(shí)間內(nèi)的讀操作可能讀取不到這個(gè)最新的值，但在該時(shí)間段過(guò)后，一定能夠讀到最新的數(shù)值。最終一致性模型又可細(xì)分為：因果一致性、單調(diào)一致性和最終一致性。
• 強(qiáng)一致性模型的特點(diǎn)是向系統(tǒng)更新或?qū)懭胍粋€(gè)數(shù)值后，無(wú)論何時(shí)都能夠讀到這個(gè)最新的數(shù)值。強(qiáng)一致性模型又可以細(xì)分為兩類(lèi)：線性一致性和順序一致性。

---

下面就分別介紹一下這幾種一致性模型。

1. 線性一致性

線性一致性又稱(chēng)為原子一致性和強(qiáng)一致性。

Linearizability: A Correctness Condition for Concurrent Objects. Maurice P. Herlihy, Jeannette M. Wing. 1987.

如果需要達(dá)到線性一致性，則需要滿足如下條件：

• 1）任何一次讀操作都可以讀到某個(gè)數(shù)據(jù)的最新值。
• 2）系統(tǒng)中所有的節(jié)點(diǎn)內(nèi)執(zhí)行的時(shí)間順序都和系統(tǒng)級(jí)別時(shí)鐘下看到的時(shí)間順序一致。

第一點(diǎn)非常容易理解，第二點(diǎn)則約束了兩個(gè)維度下時(shí)間的執(zhí)行順序都必須是一樣的。這兩個(gè)維度是指單個(gè)進(jìn)程內(nèi)的時(shí)鐘順序和整個(gè)系統(tǒng)的時(shí)鐘順序。下面通過(guò)一個(gè)例子來(lái)理解一下。

圖中有三個(gè)進(jìn)程P1、P2、P3，從P1進(jìn)程來(lái)看，只是執(zhí)行了一次寫(xiě)操作。從P2和P3進(jìn)程來(lái)看。事件順序都是先執(zhí)行一次寫(xiě)操作，然后執(zhí)行一次讀操作。從整個(gè)系統(tǒng)的時(shí)鐘順序來(lái)看，先執(zhí)行三次寫(xiě)操作，然后執(zhí)行兩次讀操作，所以最近一次的值是3，讀操作讀到的值也就是3。

2. 順序一致性

上面的例子中五個(gè)事件在時(shí)間上沒(méi)有重疊，但是在實(shí)際的場(chǎng)景中，不同進(jìn)程的事件執(zhí)行的時(shí)間點(diǎn)一定會(huì)有重疊，如下面的例子：

這三個(gè)進(jìn)程在執(zhí)行三次寫(xiě)操作和三次讀操作時(shí)的時(shí)間點(diǎn)有重疊，從系統(tǒng)級(jí)時(shí)鐘的維度來(lái)看，整個(gè)事件的執(zhí)行順序應(yīng)該是write1→write2→write3→read2→read3→read2（數(shù)字代表進(jìn)程標(biāo)識(shí)）。如果按照線性一致性的約束，則第一次read2讀到的值應(yīng)該是a=3，因?yàn)榈谝淮蝦ead前一次的寫(xiě)操作時(shí)write3。但是圖中的結(jié)果卻是a=2，這是因?yàn)閣rite3操作雖然實(shí)在read2操作之前開(kāi)始執(zhí)行的，但是write3操作結(jié)束的事件卻是在第一次read2操作開(kāi)始之后。從進(jìn)程P2的視角看，事件執(zhí)行順序應(yīng)該時(shí)write2→read2→write3→write1→read2，P2進(jìn)程和系統(tǒng)級(jí)別時(shí)鐘的視角看到的事件執(zhí)行順序是完全不一樣的。而這種時(shí)間點(diǎn)重疊，并且不滿足系統(tǒng)級(jí)別時(shí)鐘的事件執(zhí)行順序的一致性成為順序一致性。

順序一致性的約束如下：

• 1）任何一次讀操作都可以讀到某個(gè)數(shù)據(jù)的最新值，這一點(diǎn)和線性一致性是相同的。
• 2）任何進(jìn)程看到的事件順序是合理的，達(dá)成一致即可，并不需要所有進(jìn)程的時(shí)間順序和系統(tǒng)級(jí)時(shí)鐘下的事件順序一致，它放寬了對(duì)一致性的要求，并不像線性一致性一樣嚴(yán)格。

3. 因果一致性

線性一致性和順序一致性有一個(gè)相同的約束，就是任何一次讀操作都可以讀到某個(gè)數(shù)據(jù)的最新值，這是強(qiáng)一致性的表現(xiàn)。而因果一致性屬于最終一致，它的約束如下：

• 1）對(duì)于具有因果關(guān)系的讀/寫(xiě)事件，所有進(jìn)程看到的事件順序必須一致。
• 2）對(duì)于沒(méi)有因果關(guān)系的讀/寫(xiě)事件，進(jìn)程可以以不同的順序看到這些并發(fā)的事件。

4. 單調(diào)一致性

單調(diào)一致性可以分為單調(diào)讀一致性和單調(diào)寫(xiě)一致性。

單調(diào)讀一致性指的是任何時(shí)刻一旦讀到某個(gè)數(shù)據(jù)項(xiàng)在某次更新后的值，就不會(huì)再讀到比這個(gè)值更舊的值。

單調(diào)寫(xiě)一致性指的是一個(gè)進(jìn)程對(duì)某一個(gè)數(shù)據(jù)項(xiàng)執(zhí)行的寫(xiě)操作必須在該進(jìn)程對(duì)數(shù)據(jù)項(xiàng)執(zhí)行任何后續(xù)寫(xiě)操作之前完成。

相較于因果一致性，單調(diào)一致性更聚焦于單個(gè)進(jìn)程內(nèi)的讀/寫(xiě)操作順序。

5. 最終一致性

因果一致性和單調(diào)一致性都屬于最終一致性中的一種，只是在最終一致性的基礎(chǔ)上增加了一致性的強(qiáng)度，因果一致性是在最終一致性的基礎(chǔ)上增加了因果關(guān)系的約束，單調(diào)一致性是在最終一致性的基礎(chǔ)上增加了單進(jìn)程內(nèi)的約束。而沒(méi)有增加其他約束的最終一致性也就是字面上的最終一致性的意思，只有一個(gè)約束，就是向系統(tǒng)寫(xiě)入更新或者寫(xiě)入一個(gè)數(shù)值，后續(xù)一段時(shí)間內(nèi)的讀操作可能讀取不到這個(gè)最新的值，但是在該時(shí)間段過(guò)后，一定能夠讀到這個(gè)最新的數(shù)值。

對(duì)比以上幾個(gè)一致性模型的約束條件，可以發(fā)現(xiàn)它們之間也有一定的強(qiáng)弱之分，由弱到強(qiáng)，分別是最終一致性、單調(diào)一致性、因果一致性、順序一致性、線性一致性。

一致性模型是理論總結(jié)，一致性協(xié)議則是一致性模型的具體表現(xiàn)形式。與之經(jīng)常混淆的是共識(shí)算法。共識(shí)和一致性描述的內(nèi)容并不相同，共識(shí)用來(lái)描述一組進(jìn)程間的協(xié)作過(guò)程，并且確定下一個(gè)操作，而一致性描述的是進(jìn)程間某一時(shí)刻的狀態(tài)。共識(shí)和一致性相比，共識(shí)的概念更狹隘一些，因?yàn)檫_(dá)成共識(shí)就可以達(dá)到一致性。但是需要達(dá)到一致性，并不一定需要達(dá)成共識(shí)，而一致性有強(qiáng)弱之分，共識(shí)算法是一致性協(xié)議的一種具體實(shí)現(xiàn)手段。

---

一致性協(xié)議

1. Paxos算法

Paxos是一種基于消息傳遞且具有高度容錯(cuò)特性的共識(shí)算法。

在分布式系統(tǒng)中，只能減少卻無(wú)法避免進(jìn)程掛掉、進(jìn)程重啟、通信消息丟失、延遲等情況，Paxos算法實(shí)現(xiàn)的就是在發(fā)生這些異常時(shí)，不會(huì)破壞分布式系統(tǒng)決議的一致性。一些進(jìn)程可以提出各種請(qǐng)求，最終只有一個(gè)請(qǐng)求會(huì)被選中，只要有一個(gè)請(qǐng)求被選中，那么其他進(jìn)程都能獲得該請(qǐng)求帶來(lái)的變化。

在Paxos算法中有三類(lèi)角色，分別是

• Acceptor（決策者）：用于決策最終選用哪個(gè)決議。
• Proposer（提議者）：該角色的職責(zé)為向決策者提出提議。
• Learner（最終決策執(zhí)行者）：該角色的職責(zé)是執(zhí)行最終選定的提議。

從提議的提出到提議的選定，再到提議的執(zhí)行，可以大致分為兩個(gè)階段，第一個(gè)階段就是決策者選出一個(gè)最終的提議（其實(shí)是Proposer與Acceptor之間的交互），第二階段就是最終決策執(zhí)行者如何獲取并執(zhí)行該提議。

由于Paxos算法是一套偏向理論的算法，難以理解且實(shí)現(xiàn)，所以本文就不展開(kāi)介紹細(xì)節(jié)了。

2. Raft算法

Raft是一種用來(lái)管理復(fù)制狀態(tài)機(jī)的算法，復(fù)制狀態(tài)機(jī)通常使用復(fù)制日志實(shí)現(xiàn)，Raft也不例外。每個(gè)服務(wù)器存儲(chǔ)一個(gè)包含一系列命令的日志，其狀態(tài)機(jī)按順序執(zhí)行日志中的命令。每個(gè)日志中的命令都相同且順序也一樣，因此只要處理相同的命令序列，就能得到相同的狀態(tài)和相同的輸出序列。這也是Raft實(shí)現(xiàn)一致性的核心思想。

Raft算法有三種角色：

• Leader（領(lǐng)袖）：該角色的職責(zé)是接受和處理一切請(qǐng)求，并同步數(shù)據(jù)給Follower。
• Follower（群眾）：該角色的職責(zé)是轉(zhuǎn)發(fā)請(qǐng)求給Leader，接受Leader的同步數(shù)據(jù)，以及參與投票。
• Candidate（候選人）：該角色的職責(zé)是競(jìng)選Leader。

這三種角色分別代表服務(wù)節(jié)點(diǎn)的三種狀態(tài)，這三種狀態(tài)之間可以互相轉(zhuǎn)化。

對(duì)于raft角色的轉(zhuǎn)化，在官網(wǎng)有一個(gè)動(dòng)畫(huà)，可以自己設(shè)置各節(jié)點(diǎn)的狀態(tài)：https://raft.github.io/

從圖中可以看出，集群最初的狀態(tài)——所有服務(wù)器都是Follower，當(dāng)這些服務(wù)啟動(dòng)完成后，由于起初沒(méi)有Leader，所以Follower一定不會(huì)收到Leader的心跳信息。經(jīng)過(guò)一段時(shí)間后，發(fā)生選舉，此時(shí)Follower先增加自己的當(dāng)前任期號(hào)并且轉(zhuǎn)換到Candidate身份，然后投票給自己并且并行地向集群中的其他服務(wù)器節(jié)點(diǎn)發(fā)送競(jìng)選請(qǐng)求。

當(dāng)滿足以下三個(gè)條件中的一個(gè)時(shí)，Candidate身份會(huì)發(fā)生轉(zhuǎn)變：

• 集群內(nèi)超過(guò)半數(shù)的服務(wù)節(jié)點(diǎn)同意該 Candidate 成為 Leader，也就是超過(guò)半數(shù)的節(jié)點(diǎn)響應(yīng)了競(jìng)選請(qǐng)求，此時(shí) Candidate 會(huì)變成 Leader。（這是對(duì)圖中“receives votes from majority of servers”的解釋）
• 集群內(nèi)其他的某個(gè)服務(wù)器節(jié)點(diǎn)已經(jīng)成為 Leader，此時(shí) Candidate 會(huì)變回 Follower。 因?yàn)楫?dāng) Leader 產(chǎn)生后，它會(huì)向其他的服務(wù)器節(jié)點(diǎn)發(fā)送心跳消息來(lái)確定自己的地位并阻止新的選舉。（這是對(duì)圖中“discovers current leader or new term”的解釋）
• 如果有多個(gè) Follower 同時(shí)成為 Candidate，那么選票可能會(huì)被瓜分，以至于沒(méi)有Candidate 贏得過(guò)半的投票，也就是選舉超時(shí)后還是沒(méi)有選出 Leader，會(huì)通過(guò)增加當(dāng)前任期號(hào)來(lái)開(kāi)始一輪新的選舉，但是這種情況有可能無(wú)限重復(fù)（這是對(duì)圖中“times out, new election”的解釋）。為了防止這種情況發(fā)生，Raft 算法使用超機(jī)選舉超時(shí)時(shí)間的方法來(lái)確保很少發(fā)生選票瓜分的情況。也就是每個(gè) Candidate 在開(kāi)始一次選舉的時(shí)候重置一個(gè)隨機(jī)的選舉超時(shí)時(shí)間，然后一直等待直到選舉超時(shí)。該 Candidate 會(huì)增加當(dāng)前的任期號(hào)，重新發(fā)起競(jìng)選請(qǐng)求，此時(shí)其他 Candidate 可能還在等待中，那么其他服務(wù)節(jié)點(diǎn)認(rèn)為該超時(shí)的 Candidate 的任期號(hào)最大，所以它會(huì)被選為 Leader。

還有一種從Leader直接變成Follower的情況，這種情況多數(shù)出現(xiàn)在Leader發(fā)生了網(wǎng)絡(luò)分區(qū)的時(shí)候。當(dāng)Leader發(fā)生網(wǎng)絡(luò)分區(qū)后恢復(fù)時(shí)，新的Leader已經(jīng)產(chǎn)生，它會(huì)接受新Leader的心跳請(qǐng)求，發(fā)現(xiàn)新的Leader的任期號(hào)比自己的大，它會(huì)自動(dòng)變成Follower。 而舊的Leader如果發(fā)送心跳請(qǐng)求給其他服務(wù)器節(jié)點(diǎn)時(shí)，Candidate和Follower都會(huì)對(duì)比任期號(hào)，如果任期號(hào)小于自己的任期號(hào)，則直接拒絕此次心跳請(qǐng)求。

總結(jié)

以上是生活随笔為你收集整理的【RPC】分布式一致性与一致性协议的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。