分布式一致性协议 ｜ 青训营笔记

半岛铁锤
144 阅读5分钟

这是我参与「第四届青训营 」笔记创作活动的第15天

分布式系统

面临的挑战

  • 数据规模越来越大
  • 服务的可用性要求越来越高
  • 快速迭代的业务要求系统足够易用

理想中的分布式系统

  • 高性能：可拓展、低时延、高吞吐
  • 正确：一致性、易于理解
  • 可靠：容错、高可用

HDFS

image.png

一致性与共识算法

从复制开始

image.png

复制一个副本

image.png

如果两个副本都能接收请求

如何复制

image.png

  • 主副本定期拷贝全量数据到从副本
  • 主副本拷贝操作到从副本

如何复制操作

image.png

  • 主副本把所有的操作打包成Log，所有的Log写入都是持久化的，保存在磁盘上
  • 应用包装成状态机，只接收Log作为Input
  • 主副本确认Log已经成功写入到副本机器上，当状态机apply后，返回客户端

关于读操作

image.png

读操作

  • 方案一：直接读状态机，要求写操作进入状态机后再返回client
  • 方案二：写操作复制完成后直接返回，读操作Block等待所有pending log进入状态机

如果不遵循上述方案，可能存在刚写入的值读不到的情况（在Log中）

什么是一致性

  • 像操作一台机器一样
    • 要读到最近写入的值

一致性是一种模型(或语义)

  • 来约定一个分布式系统如何向外界（应用）提供服务
  • 常见的一致性模型
    • 最终一致性：读取可能暂时读不到但是总会读到
    • 线性一致性：最严格，线性执行

image.png

  • 一致性的分类经常与应用本身有关
  • Linearizability是最理想的

复制协议 - 当失效发生

当主副本失效时，为了使得算法简单

  • 人肉切换，只要足够快
  • 还是可以保证较高的可用性。

但是如何保证主副本是真的失效了呢？

  • 在切换的过程中，主副本又开始接收client端的请求
  • 两个主副本显然是不正确的，Log会被覆盖写掉
  • 我们希望算法能在这种场景下仍然保持正确

要是增加到三个节点呢？

  • 每次都等其他节点操落盘性能较差
  • 能不能允许少数节点挂了的情况下，仍然可以工作
    • falut-tolerance

共识算法

共识算法：简而言之就是一个值一旦确定，所有人都认同。

  • 错误总是发生
    • Non-Byzantine fault
  • 错误类型很多
    • 网络断开，分区，缓慢，重传，乱序
    • CPU、IO都机会停住
  • 容错(falute-tolerance)

共识协议不等于一致性

  • 应用层面不同的一致性，都可以用共识协议来实现，比如可以故意返回旧的值
  • 简单的复制协议也可以提供线性一致性

一般讨论共识协议时提到的一致性，都指线性一致性，因为弱一致性往往可以使用相对简单的复制算法实现。

一致性协议案例 - Raft

Raft

  • 2014年发表
  • 易于理解作为算法的设计目标
    • 使用了RSM、Log、RPC的概念
    • 直接使用RPC对算法进行了描述
    • Strong Leader-based
    • 使用了随机的方法减少约束
  • 正确性
    • 形式化验证
    • 拥有大量成熟系统

复制状态机RSM

  • RSM (replicated state machine)
    • Raft中所有的consensus都是直接使用Log作为载体
  • Commited Index
    • 一旦Raft更新Commited Index，意味着这个Index前的所有Log都可以提交给状态机了
    • Commited Index是不持久化的，状态机也是volatile的，重启后从第一条Log开始

image.png

Raft角色

image.png

Raft日志复制

image.png

Raft节点失效

image.png

Raft Term

image.png

  • 每个Leader服务于一个term
  • 每个term至多只有一个leader
  • 每个节点存储当前的term
  • 每个节点term从一开始，只增不减
  • 所有rpc的request reponse都携带term
  • 只commit本term内的log

Raft主节点失效

  • Leader定期的发送AppendEntries RPCs给其余所有节点
  • 如果Follower有一段时间没有收到Leader的AppendEntries,则转换身份成为Candidate
  • Candidate自增自己的term，同时使用RequestVote RPCs向剩余节点请求投票
    • raft在检查是否可以投票时，会检查log是否outdated,至少不比本身旧才会投给对应的Candidate
  • 如果多数派节点投给它，则成为该term的leader

image.png

Raft安全性

对于Term内的安全性：

  • 目标：对于所有己经的commited的<term,index>位置上至多只有一条log
  • 由于Raft的多数派选举，我们可以保证在一个term中只有一个leader。
    • 我们可以证明一条更严格的声明：在任何<term,index>位置上，至多只有一条log

对于跨Term的安全性：

  • 目标：如果一个log被标记commited，那这个log一定会在未来所有的leader中出现Leader completeness
  • 可以证明这个property
    • Raft选举时会检查Log的是否outdated,只有最新的才能当选Leader
    • 选举需要多数派投票，而commited log也已经在多数派中（必有overlap)
    • 新Leader一定持有commited log,且Leader永远不会overwrite log

Raft安全性验证

Rat使用TLA+进行了验证：

  • 形式验证(Formal Method)，以数学的形式对算法进行表达，由计算机程序对算法所有的状态进行遍历

image.png

avatar
文章
阅读
粉丝