一致性
- 强一致性，系统写入立刻可读，对性能影响较大。
- 弱一致性，不承诺写入后立即可读，最终会达到一致。具体：
- 会话一致性：在同一客户端可以读到一致
- 用户一致性：在同一用户可以读到一致
- 最终一致性，是弱一致性的特例，系统回在保证的时间内达到一致，业界比较推崇的模型。
分布式特点
分布式系统分布在不同网络计算机上，仅通过消息传递通信和协调。
- 分布性：任意分布
- 对等性：没有主从，有副本提供冗余的数据和服务。
- 并发性
- 缺乏全局时钟，很难定义不同机器执行是谁先谁后。
典型问题
- 通信异常：即便正常通信，单机内存访问时延10ns，网络通信一次0.1~1ms，相差100倍左右，消息丢失和延迟比较普遍。
- 网络分区（脑裂）：网络出现问题，只有部分节点能正常通信，这一小部分节点需要完成整个分布式系统的功能。
- 三态：成功、失败、超时
- 节点故障：某个节点故障
分布式ACID事务
- CAP理论：无法同时满足Consistency, Availability, PartitionTolerance这三个需求。
- C: 一致性
- A: 有限时间内返回结果，超时判定这个系统不可用
- P：分区容错性，任何一个网络分区故障，依然可以提供服务，除非整个网络故障。
放弃ACP之一
- P：所有数据放在一个节点，系统无法扩展
- A: 与放弃P恰好相反，如果网络错误，则都会被受影响
- C：无法完全放弃一致性，否则系统没有意义，只能放弃强一致性，保留最终一致性。
BASE理论
由ACP演化而来
- basicall available
- soft state：数据存在中间状态，允许不同副本之间拷贝数据的时延。
- eventually consistent
一致性协议
由协调者和参与者，协调者负责调度参与者的行为，并决定参与者是否提交事务。
2PC two-phase commit
- phase 1:
- 协调者询问参与者是否可以执行事务
- 参与者执行询问，记录redo,undo log
- 各个参与者反馈协调者事务询问相应
- phase 2：
- 提交请求
- 事务提交
- 反馈事务提交结果
- 完成
- phase 0: (事务未完成中断)
- 发送回滚
- 事务回滚
- 参与者反馈回滚
- 中断
优点：简单方便
缺点：
- 同步阻塞，所有参与者相应时都阻塞
- 过度依赖协调者，如果p2中协调者出问题，所有参与者事务都被锁定。
- commit的时候，如果崩了，可能只有一部分commit，一部分没有。导致数据不一致
- 参与者故障只能依靠协调者超时中断，策略差。
3PC
sequenceDiagram
Coor->>Part: can commit?
Part->>Coor: yeah!
Coor->>Part: pre commit
Part->>Coor: ack!
Coor->>Part: do commit
Part->>Coor: done!
- phase 1 Propose:
- 询问
- 参与者返回
- phase 2 pre commit：
- 协调者发送请求，进入prepared
- 执行事务，记录undo，redo log
- 反馈事务结果，并等待最终指令（commit, abort）
- phase 3 docommit:
- 协调者发送请求
- 参与者事务提交
- 反馈结果
- 完成
- phase 0: 参与者中断或超时中断
与两阶段提交不同的是，三阶段提交有两个改动点。
- 引入超时机制。（超时提交策略，当第三阶段参与者等待协调者超时后会提交事务，解决参与者同步阻塞问题，同时能在发生单点故障时，继续达成一致）
- 3pc的propose阶段只询问，不做事务操作，因此此时不会阻塞，2pc的propose阶段包含询问和执行事务但不commit。
Paxos
拜占庭将军问题（Byzantine Generals Problem）：军队分开，只有通讯员通讯，通讯员可以背叛欺骗将军，不把信息给将军。
古希腊有个Paxos小岛，使用议会通过法令，议员通过信使传递消息，议员和信使都是兼职，随时会放弃离开，信使可能重复传递消息。保证其中不会冲突。
Quarum机制
- WARO write all read one，写的时候所有服务器都成功写入才算成功，否走都会失败。因此WARO牺牲了写服务，增强了读服务。
- Quarum是一个折中方案，比如一共有5个节点，假设需要成功更新3个节点表示更新成功，那么当读取时，至少要读取3个节点。3+3>5，因此一定会读到一个正确的值。
