Gossip算法
Gossip：流言蜚语。Gossip协议顾名思义就像流言蜚语一样，利用一种随机的，带传染性的机制，讲信息传播到整个集群中。使用Gossip协议的集群，最大的特点就是组成集群的各个节点都是对等的。
Gossip协议又称epidemic协议。是一种基于流行病传播方式的节点或者进程之间进行信息交换，达到最终一致性的协议。这一协议在分布式系统中被广泛使用。
理论基础
Gossip是怎么保证整个系统能够达到最终稳定性的？答案是六度分隔理论。简单来说就是一个人通过6个人就可以认识整个世界。
其中N表示系统内节点的总数，W表示每个节点具有的与之直接相连的节点数目。根据六度分隔理论，任何消息的传播都是极为迅速的，而且在消息在系统中的传播过程中，经历的步长不会很长，就可以传遍整个系统。
原理阐述
基于六度分隔理论，Gossip协议具备了使整个系统达到最终一致的能力。在计算机领域的分布式系统中，Gossip协议通常以随机的，对等的形式实现。事实上Gossip协议的算法实现方式有数百种，我们以一种最原始的方式对其进行阐述。
- 集群内的任一节点都可以作为种子节点发起消息
- 种子节点周期性地广播消息
- 被感染的节点随机选择N个邻接节点广播消息
- 每次广播信息都选择尚未发送过的节点进行散播
- 收到广播的节点，不回传消息
Gossip协议的信息广播和扩散，都由种子节点发起。从整个流程中我们也可以看出，一条消息从发起到在整个系统内达成一致需要经过多次传播，时效性较差。但是，虽然Gossip不保证某个时刻某个节点一定可以收到消息，理论上只要经过一定的时间，最终所有的几节点必然都会收到消息，因此它是一致性收敛的。
Gossip协议的消息传播方式分为三种：
- Direct Mail 直接邮寄
- Anti-Entropy 反熵传播
- Rumor-Mongering 谣言传播
Direct Mial 直接邮寄
某个节点发生变化以后，会向所有节点发送需要更新的内容，当数据发送失败时，将数据缓存到失败队列并重试。
缺点：一旦重试的缓存队列超过了限制，就会导致一致性不能形成；同时，发送大量信息会对某个节点产生大量压力，容易造成节点下线。尤其不适合节点规模大的场景。
Anti-Entropy 反熵传播
在反熵传播的过程中，
- 所有节点都只有两种状态：Suspective（病原）、Infective（感染）
- 每个节点周期性地、随机地选择其他节点，通过互换自己的所有数据来消除两者之间的差异（熵就是差异的意思）。
在反熵传播的方式中，每次节点间交换信息都需要传输自己所知的所有信息，这会带来较大的通信负载，同时由于消息传播途径的随机选择，会导致消息传播路径冗余，因此不会频繁使用这样的传播方式，通常只在有新的节点加入系统时使用。反熵传播不适用于节点数量巨大，节点数动态变化的环境。
Rumor-Mongering 谣言传播
在谣言传播的过程中，
- 参与消息传播的节点的状态分为：
-
- Suspetive： 病原，种子节点周期性散播消息
- Infective: 感染，信息传播已经经过的节点，随机选择邻接节点散播消息
- Removed：治愈，当前节点及其所有邻接节点都已经知道了这个谣言消息，不再传播谣言消息
- 每个节点以固定的频率，仅传播新到达的数据。
谣言传播中，一开始，集群处于稳定一致的状态，所有的节点在没有产生数据变更时，都是removed状态，没有任何谣言在集群内传播；当某个节点发生变化以后，它会作为种子节点向周边散播谣言消息；收到这个谣言的节点，作为被感染的节点会继续向其邻接节点散播这一谣言；直至某个节点自己及其所有邻接节点都已经知道这个谣言，它作为治愈节点，保留更新，且不再传播谣言。
谣言传播的过程，所有的消息都是以增量的形式传播，并非全量形式。
消息传播的动作类别
Gossip协议中，无论是什么样的传播算法，消息传播的动作类别有主要有三种：
- 推 push
推的方式就是将自己的所有数据，推送给另一个节点，修复对方的熵
- 拉 pull
拉的方式就是拉取对方的所有数据，修复自己的熵
- 推拉 push-pull
推拉的方式可以同时修复自己和对方的熵
优缺点剖析
Gossip协议的优点：
- 天然去中心化 （另可参考：Redis Cluster模式）
- 天生具有良好的容错性，任何节点的宕机和重启都不会影响集群的整个状态
- 一致性收敛
- 消息负载不会随着集群规模的扩大而显著增大（分散式元数据同步架构的优点）
- 良好的扩展性
- 实现简单
Gossip协议的缺点：
- 时效性低。Gossip协议中，消息要经过多次随机散播，不适合对实时性较强的场景
- 消息冗余。Gossip协议中的周期性、随机性都会不可避免地导致消息的冗余，会加重分布式系统元数据同步的负载。
