點(diǎn)擊上方“服務(wù)端思維”，選擇“設(shè)為星標(biāo)”

回復(fù)”669“獲取獨(dú)家整理的精選資料集

回復(fù)”加群“加入全國(guó)服務(wù)端高端社群「后端圈」

作者 | 妖道

出品 | 遠(yuǎn)赴星辰

剛性事務(wù)
柔性事務(wù)
本地事務(wù)
分布式事務(wù)
單階段原子提交協(xié)議
兩階段提交協(xié)議

定義
原理
性能
恢復(fù)
缺陷
XA 標(biāo)準(zhǔn)接口
三階段提交協(xié)議

Paxos

Basic Paxos
Multi-Paxos

Raft
算法類(lèi)型
鎖并發(fā)控制
時(shí)間戳并發(fā)控制
樂(lè)觀并發(fā)控制

導(dǎo)言

分布式事務(wù)是分布式系統(tǒng)必不可少的組成部分，基本上只要實(shí)現(xiàn)一個(gè)分布式系統(tǒng)就逃不開(kāi)對(duì)分布式事務(wù)的支持。本文從分布式事務(wù)這個(gè)概念切入，嘗試對(duì)分布式事務(wù)以及分布式系統(tǒng)最核心的底層原理逐一進(jìn)行剖析，內(nèi)容包括但不限于 BASE 原則、兩階段原子提交協(xié)議、三階段原子提交協(xié)議、Paxos/Multi-Paxos 分布式共識(shí)算法的原理與證明、Raft 分布式共識(shí)算法和分布式事務(wù)的并發(fā)控制等內(nèi)容。

事務(wù)

事務(wù)是訪問(wèn)并可能更新各種數(shù)據(jù)項(xiàng)的一個(gè)程序執(zhí)行單元(unit)。事務(wù)由一個(gè)或多個(gè)步驟組成，一般使用形如 begin transaction 和 end transaction 語(yǔ)句或者函數(shù)調(diào)用作為事務(wù)界限，事務(wù)內(nèi)的所有步驟必須作為一個(gè)單一的、不可分割的單元去執(zhí)行，因此事務(wù)的結(jié)果只有兩種：1. 全部步驟都執(zhí)行完成，2. 任一步驟執(zhí)行失敗則整個(gè)事務(wù)回滾。

事務(wù)最早由數(shù)據(jù)庫(kù)管理系統(tǒng)(database management system，DBMS)引入并實(shí)現(xiàn)，數(shù)據(jù)庫(kù)事務(wù)是數(shù)據(jù)庫(kù)管理系統(tǒng)執(zhí)行過(guò)程中的一個(gè)邏輯單位，由一個(gè)有限的數(shù)據(jù)庫(kù)操作序列構(gòu)成。數(shù)據(jù)庫(kù)事務(wù)嚴(yán)格遵循 ACID 原則，屬于剛性事務(wù)，一開(kāi)始數(shù)據(jù)庫(kù)事務(wù)僅限于對(duì)單一數(shù)據(jù)庫(kù)資源對(duì)象的訪問(wèn)控制，這一類(lèi)事務(wù)稱(chēng)之為本地事務(wù) (Local Transaction)，后來(lái)隨著分布式系統(tǒng)的出現(xiàn)，數(shù)據(jù)的存儲(chǔ)也不可避免地走向了分布式，分布式事務(wù)（Distributed Transaction）便應(yīng)運(yùn)而生。

剛性事務(wù)

剛性事務(wù)（如單一數(shù)據(jù)庫(kù)事務(wù)）完全遵循 ACID 規(guī)范，即數(shù)據(jù)庫(kù)事務(wù)的四大基本特性：

Atomicity（原子性）：一個(gè)事務(wù)（transaction）中的所有操作，或者全部完成，或者全部不完成，不會(huì)結(jié)束在中間某個(gè)環(huán)節(jié)。事務(wù)在執(zhí)行過(guò)程中發(fā)生錯(cuò)誤，會(huì)被回滾（Rollback）到事務(wù)開(kāi)始前的狀態(tài)，就像這個(gè)事務(wù)從來(lái)沒(méi)有執(zhí)行過(guò)一樣。即，事務(wù)不可分割、不可約簡(jiǎn)。
Consistency（一致性）：在事務(wù)開(kāi)始之前和事務(wù)結(jié)束以后，數(shù)據(jù)庫(kù)的完整性沒(méi)有被破壞。這表示寫(xiě)入的資料必須完全符合所有的預(yù)設(shè)約束、觸發(fā)器、級(jí)聯(lián)回滾等。
Isolation（隔離性）：數(shù)據(jù)庫(kù)允許多個(gè)并發(fā)事務(wù)同時(shí)對(duì)其數(shù)據(jù)進(jìn)行讀寫(xiě)和修改的能力，隔離性可以防止多個(gè)事務(wù)并發(fā)執(zhí)行時(shí)由于交叉執(zhí)行而導(dǎo)致數(shù)據(jù)的不一致。事務(wù)隔離分為不同級(jí)別，包括未提交讀（Read uncommitted）、提交讀（read committed）、可重復(fù)讀（repeatable read）和串行化（Serializable）。
Durability（持久性）：事務(wù)處理結(jié)束后，對(duì)數(shù)據(jù)的修改就是永久的，即便系統(tǒng)故障也不會(huì)丟失。

剛性事務(wù)也能夠以分布式 CAP 理論中的 CP 事務(wù)來(lái)作為定義。

柔性事務(wù)

在電商領(lǐng)域等互聯(lián)網(wǎng)場(chǎng)景下，傳統(tǒng)的事務(wù)在數(shù)據(jù)庫(kù)性能和處理能力上都遇到了瓶頸。因此，柔性事務(wù)被提了出來(lái)，柔性事務(wù)基于分布式 CAP 理論以及延伸出來(lái)的 BASE 理論，相較于數(shù)據(jù)庫(kù)事務(wù)這一類(lèi)完全遵循 ACID 的剛性事務(wù)來(lái)說(shuō)，柔性事務(wù)保證的是 “基本可用，最終一致”，CAP 原理相信大家都很熟悉了，這里我們講一下 BASE 原則：

基本可用（Basically Available）：系統(tǒng)能夠基本運(yùn)行、一直提供服務(wù)。
軟狀態(tài)（Soft-state）：系統(tǒng)不要求一直保持強(qiáng)一致?tīng)顟B(tài)。
最終一致性（Eventual consistency）：系統(tǒng)需要在某一時(shí)刻后達(dá)到一致性要求。

柔性事務(wù)（如分布式事務(wù)）為了滿足可用性、性能與降級(jí)服務(wù)的需要，降低一致性（Consistency）與隔離性（Isolation）的要求，遵循 BASE 理論，傳統(tǒng)的 ACID 事務(wù)對(duì)隔離性的要求非常高，在事務(wù)執(zhí)行過(guò)程中，必須將所有的資源對(duì)象鎖定，因此對(duì)并發(fā)事務(wù)的執(zhí)行極度不友好，柔性事務(wù)（比如分布式事務(wù)）的理念則是將鎖資源對(duì)象操作從本地資源對(duì)象層面上移至業(yè)務(wù)邏輯層面，再通過(guò)放寬對(duì)強(qiáng)一致性要求，以換取系統(tǒng)吞吐量的提升。

此外，雖然柔性事務(wù)遵循的是 BASE 理論，但是還需要遵循部分 ACID 規(guī)范：

原子性：嚴(yán)格遵循。
一致性：事務(wù)完成后的一致性嚴(yán)格遵循；事務(wù)中的一致性可適當(dāng)放寬。
隔離性：并行事務(wù)間不可影響；事務(wù)中間結(jié)果可見(jiàn)性允許安全放寬。
持久性：嚴(yán)格遵循。

本地事務(wù)

本地事務(wù)（Local Transaction）指的是僅僅對(duì)單一節(jié)點(diǎn)/數(shù)據(jù)庫(kù)資源對(duì)象進(jìn)行訪問(wèn)/更新的事務(wù)，在這種事務(wù)模式下，BASE 理論派不上用場(chǎng)，事務(wù)完全遵循 ACID 規(guī)范，確保事務(wù)為剛性事務(wù)。

分布式事務(wù)

在分布式架構(gòu)成為主流的當(dāng)下，系統(tǒng)對(duì)資源對(duì)象的訪問(wèn)不能還局限于單節(jié)點(diǎn)，多服務(wù)器、多節(jié)點(diǎn)的資源對(duì)象訪問(wèn)成為剛需，因此，本地事務(wù)無(wú)法滿足分布式架構(gòu)的系統(tǒng)的要求，分布式事務(wù)應(yīng)運(yùn)而生。

訪問(wèn)/更新由多個(gè)服務(wù)器管理的資源對(duì)象的平面事務(wù)或者嵌套事務(wù)稱(chēng)之為分布式事務(wù)（Distributed Transaction），分布式事務(wù)是相對(duì)于本地事務(wù)來(lái)說(shuō)的。

平面事務(wù)：?jiǎn)我皇聞?wù)，訪問(wèn)多個(gè)服務(wù)器節(jié)點(diǎn)的資源對(duì)象，一個(gè)平面事務(wù)完成一次請(qǐng)求之后才能發(fā)起下一個(gè)請(qǐng)求。

嵌套事務(wù)：多事務(wù)組成，頂層事務(wù)可以不斷創(chuàng)建子事務(wù)，子事務(wù)又可以進(jìn)一步地以任意深度嵌套子事務(wù)。

對(duì)于分布式事務(wù)來(lái)說(shuō)，有兩個(gè)最核心的問(wèn)題：

如何管理分布式事務(wù)的提交/放棄決定？如果事務(wù)中的一個(gè)節(jié)點(diǎn)在執(zhí)行自己的本地事務(wù)過(guò)程中遇到錯(cuò)誤，希望放棄整個(gè)分布式事務(wù)，與此同時(shí)其他節(jié)點(diǎn)則在事務(wù)執(zhí)行過(guò)程中一切順利，希望提交這個(gè)分布式事務(wù)，此時(shí)我們應(yīng)該如何做決策？
如何保證并發(fā)事務(wù)在涉及多個(gè)節(jié)點(diǎn)上資源對(duì)象訪問(wèn)的可串行性（規(guī)避分布式死鎖）？如果事務(wù) T 對(duì)某一個(gè)服務(wù)器節(jié)點(diǎn)上的資源對(duì)象 S 的并發(fā)訪問(wèn)在事務(wù) U 之前，那么我們需要保證在所有服務(wù)器節(jié)點(diǎn)上對(duì) S 和其他資源對(duì)象的沖突訪問(wèn)，T 始終在 U 之前。

問(wèn)題 1 的解決需要引入一類(lèi)分布式原子提交協(xié)議的算法如兩階段提交協(xié)議等，來(lái)對(duì)分布式事務(wù)過(guò)程中的提交或放棄決策進(jìn)行管理，并確保分布式提交的原子性。而問(wèn)題 2 則由分布式事務(wù)的并發(fā)控制機(jī)制來(lái)處理。

原子提交協(xié)議

原子性是分布式事務(wù)的前置性約束，沒(méi)有原子性則分布式事務(wù)毫無(wú)意義。

原子性約束要求在分布式事務(wù)結(jié)束之時(shí)，它的所有操作要么全部執(zhí)行，要么全部不執(zhí)行。以分布式事務(wù)的原子性來(lái)分析，客戶端請(qǐng)求訪問(wèn)/更新多個(gè)服務(wù)器節(jié)點(diǎn)上的資源對(duì)象，在客戶端提交或放棄該事務(wù)從而結(jié)束事務(wù)之后，多個(gè)服務(wù)器節(jié)點(diǎn)的最終狀態(tài)要么是該事務(wù)里的所有步驟都執(zhí)行成功之后的狀態(tài)，要么恢復(fù)到事務(wù)開(kāi)始前的狀態(tài)，不存在中間狀態(tài)。滿足這種約束的分布式事務(wù)協(xié)議則稱(chēng)之為原子提交協(xié)議。

當(dāng)一個(gè)分布式事務(wù)結(jié)束時(shí)，事務(wù)的原子特性要求所有參與該事務(wù)的服務(wù)器節(jié)點(diǎn)必須全部提交或者全部放棄該事務(wù)，為了實(shí)現(xiàn)這一點(diǎn)，必須引入一個(gè)協(xié)調(diào)者（Coordinator）的角色，從參與事務(wù)的所有服務(wù)器節(jié)點(diǎn)中挑選一個(gè)作為協(xié)調(diào)者，由它來(lái)保證在所有服務(wù)器節(jié)點(diǎn)上最終獲得同樣的結(jié)果。協(xié)調(diào)者的工作原理取決于分布式事務(wù)選用的協(xié)議。

一般來(lái)說(shuō)，分布式事務(wù)中包含的兩個(gè)最基礎(chǔ)的角色就是：

Coordinator -- 協(xié)調(diào)者
Participants -- 參與者

單階段原子提交協(xié)議

單階段原子提交協(xié)議（one-phase atomic commit protocol, 1APC）是最簡(jiǎn)單的一種原子提交協(xié)議，它通過(guò)設(shè)置一個(gè)協(xié)調(diào)者并讓它不斷地向所有參與者發(fā)送提交（commit）或放棄（abort）事務(wù)的請(qǐng)求，直到所有參與者確認(rèn)已執(zhí)行完相應(yīng)的操作。

1APC 協(xié)議的優(yōu)點(diǎn)是簡(jiǎn)單易用，對(duì)一些事務(wù)不復(fù)雜的場(chǎng)景比較合適，但在復(fù)雜事務(wù)場(chǎng)景則顯得捉襟見(jiàn)肘，因?yàn)樵搮f(xié)議不允許任何服務(wù)器節(jié)點(diǎn)單方面放棄事務(wù)，事務(wù)的放棄必須由協(xié)調(diào)者來(lái)發(fā)起，這個(gè)設(shè)計(jì)會(huì)導(dǎo)致很多問(wèn)題：首先因?yàn)橹挥幸淮瓮ㄐ牛瑓f(xié)調(diào)者并不會(huì)收集所有參與者的本地事務(wù)執(zhí)行的情況，所以協(xié)調(diào)者決定提交還是放棄事務(wù)只基于自己的判斷，在參與者執(zhí)行事務(wù)期間可能會(huì)遇到錯(cuò)誤從而導(dǎo)致最終事務(wù)未能真正提交，錯(cuò)誤一般與事務(wù)的并發(fā)控制有關(guān)，比如事務(wù)執(zhí)行期間對(duì)資源對(duì)象加鎖，遇到死鎖，需要放棄事務(wù)從而解開(kāi)死鎖，而協(xié)調(diào)者并不知道，因此在發(fā)起下一個(gè)請(qǐng)求之前，客戶端完全不知道事務(wù)已被放棄。另一種情況就是利用樂(lè)觀并發(fā)控制機(jī)制訪問(wèn)資源對(duì)象，某一個(gè)服務(wù)器節(jié)點(diǎn)的驗(yàn)證失敗將導(dǎo)致事務(wù)被放棄，而協(xié)調(diào)者完全不知情。

兩階段提交協(xié)議

定義

兩階段提交協(xié)議（two-phase commit protocol, 2PC）的設(shè)計(jì)初衷是為了解決 1APC 不允許任意一個(gè)服務(wù)器節(jié)點(diǎn)自行放棄它自己的那部分本地事務(wù)的痛點(diǎn)，2PC 允許任何一個(gè)參與者自行決定要不要放棄它的本地事務(wù)，而由于原子提交協(xié)議的約束，任意一個(gè)本地事務(wù)被放棄將導(dǎo)致整個(gè)分布式事務(wù)也必須放棄掉。

兩階段提交協(xié)議基于以下幾個(gè)假設(shè)：

存在一個(gè)節(jié)點(diǎn)作為協(xié)調(diào)者（Coordinator），分布式事務(wù)通常由協(xié)調(diào)者發(fā)起（當(dāng)然也可以由參與者發(fā)起），其余節(jié)點(diǎn)作為參與者（Participants），且節(jié)點(diǎn)之間可以自由地進(jìn)行網(wǎng)絡(luò)通信，協(xié)調(diào)者負(fù)責(zé)啟動(dòng)兩階段提交流程以及決定事務(wù)最終是被提交還是放棄。
每個(gè)節(jié)點(diǎn)會(huì)記錄該節(jié)點(diǎn)上的本地操作日志（op logs），日志必須持久化在可靠的存儲(chǔ)設(shè)備上（比如磁盤(pán)），以便在節(jié)點(diǎn)重啟之后需要恢復(fù)操作日志。另外，不記錄全局操作日志。
所有節(jié)點(diǎn)不能發(fā)生永久性損壞，也就是說(shuō)節(jié)點(diǎn)就算是損壞了也必須能通過(guò)可靠性存儲(chǔ)恢復(fù)如初，不允許出現(xiàn)數(shù)據(jù)永久丟失的情況。
參與者對(duì)協(xié)調(diào)者的回復(fù)必須要去除掉那些受損和重復(fù)的消息。
整個(gè)集群不會(huì)出現(xiàn)拜占庭故障（Byzantine Fault）-- 服務(wù)器要么崩潰，要么服從其發(fā)送的消息。

原理

兩階段提交協(xié)議，顧名思義整個(gè)過(guò)程需要分為兩個(gè)階段：

準(zhǔn)備階段（Prepare Phase）
提交階段（Commit Phase）

在進(jìn)行兩階段提交的過(guò)程中，協(xié)調(diào)者會(huì)在以下四種狀態(tài)間流轉(zhuǎn)：

init
preparing
committed
aborted

而參與者則會(huì)在以下三種狀態(tài)間流轉(zhuǎn)：

working
prepared
committed

階段 I（投票表決階段）

任意一個(gè)參與者發(fā)起分布式事務(wù) T 并執(zhí)行本地事務(wù)成功，接著將一條 <ready T> 記錄追加到本地日志 buffer 中并 flush 到可靠性存儲(chǔ)設(shè)備如磁盤(pán)上，從 working 狀態(tài)進(jìn)入 prepared 狀態(tài)，然后向協(xié)調(diào)者發(fā)送 prepare T 消息；
收到參與者發(fā)來(lái)的 prepare T 消息后，協(xié)調(diào)者將一條 <prepare T> 記錄追加到日志中，然后從 init 狀態(tài)進(jìn)入 preparing 狀態(tài)，緊接著向分布式事務(wù)的其他參與者發(fā)出 canCommit? 消息，發(fā)起事務(wù)表決過(guò)程；
當(dāng)參與者收到 canCommit? 請(qǐng)求后，除了發(fā)起事務(wù)的那一個(gè)之外，其他還在 working 狀態(tài)的參與者會(huì)先嘗試執(zhí)行本地事務(wù)，如果本地事務(wù)執(zhí)行成功，則會(huì)往本地日志 buffer 寫(xiě)入一條 <ready T> 記錄并 flush 到可靠性存儲(chǔ)中，但不提交事務(wù)，進(jìn)入 prepared 狀態(tài)，然后回復(fù)一條 ready T 消息對(duì)此事務(wù)投 YES 票；如果本地事務(wù)執(zhí)行失敗，則參與者會(huì)往本地日志 buffer 寫(xiě)入一條 <don't commit T> 記錄并 flush 到可靠性存儲(chǔ)中，然后回復(fù)一條 don't commit T 消息投 NO 票。

階段 II（收集投票結(jié)果完成事務(wù)）

協(xié)調(diào)者收集所有的投票（包括它自己的投票）；
(a) 如果所有的投票都是 ready T，則表示沒(méi)有故障發(fā)生，那么協(xié)調(diào)者決定提交該事務(wù)，首先它會(huì)在其本地日志中追加一條 <commit T> 記錄，從 preparing 狀態(tài)進(jìn)入 committed 狀態(tài)，然后向所有的參與者發(fā)送 doCommit 請(qǐng)求消息，要求參與者提交它們的本地事務(wù)；
(b) 如果有任一個(gè)投票是 No，則協(xié)調(diào)者決定放棄掉該事務(wù)，首先它會(huì)往本地日志中追加一條記錄，從 preparing 狀態(tài)進(jìn)入 aborted 狀態(tài)，然后發(fā)送 doAbort 請(qǐng)求消息給所有的參與者，通知它們回滾各自的本地事務(wù)。
投了 YES 票的參與者阻塞等待協(xié)調(diào)者給它發(fā)來(lái) doCommit 或 doAbort 消息，如果接收到的是 doCommit 消息則提交本地事務(wù)并在此過(guò)程中記錄日志 <commit T>，然后進(jìn)入 committed 狀態(tài)，最后回復(fù)一個(gè) haveCommitted 的消息通知協(xié)調(diào)者本地事務(wù)已經(jīng)成功提交；反之，如果收到的是 doAbort 消息則回滾本地事務(wù)并寫(xiě)入日志 <abort T>，然后進(jìn)入 aborted狀態(tài)。

上面的過(guò)程是一種更通用的流程，即由任意的參與者發(fā)起一個(gè)分布式事務(wù)，而在實(shí)踐中一般把分布式事務(wù)的發(fā)起交給協(xié)調(diào)者來(lái)做，減少事務(wù)發(fā)起者確認(rèn)該事務(wù)已被提交所需等待的網(wǎng)絡(luò)消息延遲：

性能

網(wǎng)絡(luò) I/O 開(kāi)銷(xiāo)

假設(shè)兩階段提交過(guò)程一切運(yùn)行正常，即協(xié)調(diào)者和參與者都不出現(xiàn)崩潰和重啟，網(wǎng)絡(luò)通信也都正常。那么假設(shè)有一個(gè)協(xié)調(diào)者和 N 個(gè)參與者，兩階段提交過(guò)程中將會(huì)發(fā)送如下的消息：

任意一個(gè)參與者從 working 狀態(tài)進(jìn)入 prepared 狀態(tài)并發(fā)送 Prepared 消息給協(xié)調(diào)者，1 條消息。
協(xié)調(diào)者收到消息后，向其他參與者發(fā)送 canCommit? 請(qǐng)求消息，N - 1 條消息。
收到 canCommit? 消息的參與者各自回復(fù)協(xié)調(diào)者投票消息，N - 1 條消息。
協(xié)調(diào)者統(tǒng)計(jì)投票情況之后，發(fā)送 doCommit 消息給其他參與者，N 條消息。

所以，事務(wù)發(fā)起者在經(jīng)過(guò) 4 條網(wǎng)絡(luò)消息延遲之后確認(rèn)該分布式事務(wù)已被提交，而整個(gè)過(guò)程共計(jì)發(fā)送 3N - 1 條網(wǎng)絡(luò)消息（因?yàn)?haveCommitted 在 2PC 僅僅是用于最后通知協(xié)調(diào)者而已，屬于可有可無(wú)的一次網(wǎng)絡(luò)消息，2PC 在該消息缺省的情況下也能正常運(yùn)行，因此 haveCommitted 一般不計(jì)入網(wǎng)絡(luò)延遲成本中）。

前面我們提到，在實(shí)踐中一般是由協(xié)調(diào)者來(lái)發(fā)起事務(wù)，如果考慮這種情況的話，事務(wù)發(fā)起者 -- 協(xié)調(diào)者在經(jīng)過(guò) 3 條網(wǎng)絡(luò)消息延遲之后確認(rèn)該分布式事務(wù)已經(jīng)被提交，而整個(gè)過(guò)程實(shí)際發(fā)送的網(wǎng)絡(luò)消息則變成 3N 條。

總而言之，兩階段提交協(xié)議的網(wǎng)絡(luò)通信開(kāi)銷(xiāo)和集群節(jié)點(diǎn)的數(shù)量成 3 倍正比。

本地存儲(chǔ)設(shè)備 I/O 開(kāi)銷(xiāo)

基于前文中敘述的兩階段提交協(xié)議的基本假設(shè)之一：每個(gè)節(jié)點(diǎn)會(huì)通過(guò)日志來(lái)記錄在本地執(zhí)行的操作，以便在節(jié)點(diǎn)發(fā)生故障并重啟節(jié)點(diǎn)之后能利用日志恢復(fù)到故障前的狀態(tài)，因此兩階段提交過(guò)程中除了網(wǎng)絡(luò) I/O 的開(kāi)銷(xiāo)之外，還有本地存儲(chǔ)設(shè)備 I/O 的開(kāi)銷(xiāo)：

發(fā)起事務(wù)的參與者執(zhí)行本地事務(wù)，1 次寫(xiě)操作。
其余參與者執(zhí)行各自的本地事務(wù)，N - 1 次寫(xiě)操作。
協(xié)調(diào)者統(tǒng)計(jì)投票結(jié)果并決定提交事務(wù)，1 次寫(xiě)操作。

所以事務(wù)發(fā)起者在經(jīng)過(guò) 3 次本地存儲(chǔ)設(shè)備 I/O 延遲之后確認(rèn)該事務(wù)已被提交，整個(gè)過(guò)程總計(jì)有 N + 1 次本地存儲(chǔ)設(shè)備 I/O，而如果由協(xié)調(diào)者來(lái)發(fā)起事務(wù)的話，則還是需要 N + 1 次本地存儲(chǔ)設(shè)備 I/O，但是只需要經(jīng)過(guò) 2 次本地存儲(chǔ)設(shè)備 I/O 延遲即可確認(rèn)事務(wù)已被提交。

恢復(fù)

在分布式事務(wù)中，所有的參與者節(jié)點(diǎn)都可能發(fā)生故障，所以我們需要保證在該故障節(jié)點(diǎn)恢復(fù)時(shí)發(fā)生的一切都和分布式事務(wù) T 的全局決策保持一致。節(jié)點(diǎn)在恢復(fù)的時(shí)候會(huì)讀取 T 的最后一個(gè)本地日志記錄并作出相應(yīng)的操作：

如果 T 的最后一條日志記錄是 <commit T>，那么說(shuō)明協(xié)調(diào)者在節(jié)點(diǎn)發(fā)生故障時(shí)的全局決策是提交 T，根據(jù)本地事務(wù)所使用的日志方式，在該節(jié)點(diǎn)上可能需要執(zhí)行 redo T。
如果 T 的最后一條日志記錄是 <abort T>，那么說(shuō)明協(xié)調(diào)者在節(jié)點(diǎn)發(fā)生故障時(shí)的全局決策是中止 T，根據(jù)本地事務(wù)所使用的日志方式，在該節(jié)點(diǎn)上可能需要執(zhí)行 undo T。
如果 T 的最后一條日志記錄是 <don't commit T>，則和第 2 中情況類(lèi)似，執(zhí)行 undo T。
如果 T 的最后一條日志記錄是 <ready T>，這種情況比較麻煩，因?yàn)榛謴?fù)節(jié)點(diǎn)無(wú)法確認(rèn)在它故障之后協(xié)調(diào)者發(fā)出的最終全局決策是什么，因此它必須要和集群中其余至少一個(gè)節(jié)點(diǎn)取得聯(lián)系，詢問(wèn) T 的最終結(jié)果是什么：恢復(fù)節(jié)點(diǎn)先嘗試詢問(wèn)協(xié)調(diào)者，如果此時(shí)協(xié)調(diào)者正在工作，則告知恢復(fù)節(jié)點(diǎn) T 的最終結(jié)果，如果是提交就執(zhí)行 redo T，中止就執(zhí)行 undo T；如果協(xié)調(diào)者因故不在工作，則恢復(fù)節(jié)點(diǎn)可以要求其他某一個(gè)參與者節(jié)點(diǎn)去查看本地日志以找出 T 的最終結(jié)果并告知恢復(fù)節(jié)點(diǎn)。在最壞的情況下，恢復(fù)節(jié)點(diǎn)無(wú)法和集群中其他所有節(jié)點(diǎn)取得聯(lián)系，這時(shí)恢復(fù)節(jié)點(diǎn)只能阻塞等待，直至得知 T 的最終結(jié)果是提交還是中止。
如果本地日志中沒(méi)有記錄任何關(guān)于 T 在兩階段提交過(guò)程中的操作，那么根據(jù)前面的兩階段提交流程可知恢復(fù)節(jié)點(diǎn)還沒(méi)來(lái)得及回復(fù)協(xié)調(diào)者的 canCommit? 請(qǐng)求消息就發(fā)生了故障，因此根據(jù)兩階段算法，恢復(fù)節(jié)點(diǎn)只能執(zhí)行 undo T。

缺陷

同步阻塞：兩階段提交協(xié)議是一個(gè)阻塞的協(xié)議，在第二階段期間，參與者在事務(wù)未提交之前會(huì)一直鎖定其占有的本地資源對(duì)象，直到接收到來(lái)自協(xié)調(diào)者的 doCommit 或 doAbort 消息。
單點(diǎn)故障：兩階段提交協(xié)議中只有一個(gè)協(xié)調(diào)者，而由于在第二階段中參與者在收到協(xié)調(diào)者的進(jìn)一步指示之前會(huì)一直鎖住本地資源對(duì)象，如果唯一的協(xié)調(diào)者此時(shí)出現(xiàn)故障而崩潰掉之后，那么所有參與者都將無(wú)限期地阻塞下去，也就是一直鎖住本地資源對(duì)象而導(dǎo)致其他進(jìn)程無(wú)法使用。
數(shù)據(jù)不一致：如果在兩階段提交協(xié)議的第二階段中，協(xié)調(diào)者向所有參與者發(fā)送 doCommit 消息之后，發(fā)生了局部網(wǎng)絡(luò)抖動(dòng)或者異常，抑或是協(xié)調(diào)者在只發(fā)送了部分消息之后就崩潰了，那么就只會(huì)有部分參與者接收到了 doCommit 消息并提交了本地事務(wù)；其他未收到 doCommit 消息的參與者則不會(huì)提交本地事務(wù)，因而導(dǎo)致了數(shù)據(jù)不一致問(wèn)題。

XA 標(biāo)準(zhǔn)接口

2PC 兩階段提交協(xié)議本身只是一個(gè)通用協(xié)議，不提供具體的工程實(shí)現(xiàn)的規(guī)范和標(biāo)準(zhǔn)，在工程實(shí)踐中為了統(tǒng)一標(biāo)準(zhǔn)，減少行業(yè)內(nèi)不必要的對(duì)接成本，需要制定標(biāo)準(zhǔn)化的處理模型及接口標(biāo)準(zhǔn)，國(guó)際開(kāi)放標(biāo)準(zhǔn)組織 Open Group 定義了分布式事務(wù)處理模型 DTP（Distributed Transaction Processing）Model，現(xiàn)在 XA 已經(jīng)成為 2PC 分布式事務(wù)提交的事實(shí)標(biāo)準(zhǔn)，很多主流數(shù)據(jù)庫(kù)如 Oracle、MySQL 等都已經(jīng)實(shí)現(xiàn) XA。

兩階段事務(wù)提交采用的是 X/OPEN 組織所定義的 DTP Model 所抽象的 AP（應(yīng)用程序）, TM（事務(wù)管理器）和 RM（資源管理器）概念來(lái)保證分布式事務(wù)的強(qiáng)一致性。其中 TM 與 RM 間采用 XA 的協(xié)議進(jìn)行雙向通信。與傳統(tǒng)的本地事務(wù)相比，XA 事務(wù)增加了準(zhǔn)備階段，數(shù)據(jù)庫(kù)除了被動(dòng)接受提交指令外，還可以反向通知調(diào)用方事務(wù)是否可以被提交。TM 可以收集所有分支事務(wù)的準(zhǔn)備結(jié)果，并于最后進(jìn)行原子提交，以保證事務(wù)的強(qiáng)一致性。

Java 通過(guò)定義 JTA 接口實(shí)現(xiàn)了 XA 模型，JTA 接口中的 ResourceManager 需要數(shù)據(jù)庫(kù)廠商提供 XA 驅(qū)動(dòng)實(shí)現(xiàn)， TransactionManager 則需要事務(wù)管理器的廠商實(shí)現(xiàn)，傳統(tǒng)的事務(wù)管理器需要同應(yīng)用服務(wù)器綁定，因此使用的成本很高。而嵌入式的事務(wù)管器可以以 jar 包的形式提供服務(wù)，同 Apache ShardingSphere 集成后，可保證分片后跨庫(kù)事務(wù)強(qiáng)一致性。

通常，只有使用了事務(wù)管理器廠商所提供的 XA 事務(wù)連接池，才能支持 XA 的事務(wù)。Apache ShardingSphere 在整合 XA 事務(wù)時(shí)，采用分離 XA 事務(wù)管理和連接池管理的方式，做到對(duì)應(yīng)用程序的零侵入。

三階段提交協(xié)議

由于前文提到的兩階段提交協(xié)議的種種弊端，研究者們后來(lái)又提出了一種新的分布式原子提交協(xié)議：三階段提交協(xié)議（three-phase commit protocol, 3PC）。

三階段提交協(xié)議是對(duì)兩階段提交協(xié)議的擴(kuò)展，它在特定假設(shè)下避免了同步阻塞的問(wèn)題。該協(xié)議基于以下兩個(gè)假設(shè)：

集群不發(fā)生網(wǎng)絡(luò)分區(qū)；
故障節(jié)點(diǎn)數(shù)不超過(guò) K 個(gè)（K 是預(yù)先設(shè)定的一個(gè)數(shù)值）。

基于這兩個(gè)假設(shè)，三階段提交協(xié)議通過(guò)引入超時(shí)機(jī)制和一個(gè)額外的階段來(lái)解決阻塞問(wèn)題，三階段提交協(xié)議把兩階段提交協(xié)議的第一個(gè)階段拆分成了兩步：1) 評(píng)估，2) 資源對(duì)象加鎖，最后才真正提交：

CanCommit 階段：協(xié)調(diào)者發(fā)送 CanCommit 請(qǐng)求消息，詢問(wèn)各個(gè)參與者節(jié)點(diǎn)，參與者節(jié)點(diǎn)各自評(píng)估本地事務(wù)是否可以執(zhí)行并回復(fù)消息（可以執(zhí)行則回復(fù) YES，否則回復(fù) NO），此階段不執(zhí)行事務(wù)，只做判斷；
PreCommit 階段：協(xié)調(diào)者根據(jù)上一階段收集的反饋決定通知各個(gè)參與者節(jié)點(diǎn)執(zhí)行（但不提交）或中止本地事務(wù)；有兩種可能：1) 所有回復(fù)都是 YES，則發(fā)送 PreCommit 請(qǐng)求消息，要求所有參與者執(zhí)行事務(wù)并追加記錄到 undo 和 redo 日志，如果事務(wù)執(zhí)行成功則參與者回復(fù) ACK 響應(yīng)消息，并等待下一階段的指令；2) 反饋消息中只要有一個(gè) NO，或者等待超時(shí)之后協(xié)調(diào)者都沒(méi)有收到參與者的回復(fù)，那么協(xié)調(diào)者會(huì)中止事務(wù)，發(fā)送 Abort 請(qǐng)求消息給所有參與者，參與者收到該請(qǐng)求后中止本地事務(wù)，或者參與者超時(shí)等待仍未收到協(xié)調(diào)者的消息，同樣也中止當(dāng)前本地事務(wù)。
DoCommit 階段：協(xié)調(diào)者根據(jù)上一階段收集到的反饋決定通知各個(gè)參與者節(jié)點(diǎn)提交或回滾本地事務(wù)，分三種情況：1) 協(xié)調(diào)者收到全部參與者回復(fù)的 ACK，則向所有參與者節(jié)點(diǎn)廣播 DoCommit 請(qǐng)求消息，各個(gè)參與者節(jié)點(diǎn)收到協(xié)調(diào)者的消息之后決定提交事務(wù)，然后釋放資源對(duì)象上的鎖，成功之后向協(xié)調(diào)者回復(fù) ACK，協(xié)調(diào)者接收到所有參與者的 ACK 之后，將該分布式事務(wù)標(biāo)記為 committed；2) 協(xié)調(diào)者沒(méi)有收到全部參與者回復(fù)的 ACK（可能參與者回復(fù)的不是 ACK，也可能是消息丟失導(dǎo)致超時(shí)），那么協(xié)調(diào)者就會(huì)中止事務(wù)，首先向所有參與者節(jié)點(diǎn)廣播 Abort 請(qǐng)求消息，各個(gè)參與者收到該消息后利用上一階段的 undo 日志進(jìn)行事務(wù)的回滾，釋放占用的資源對(duì)象，然后回復(fù)協(xié)調(diào)者 ACK 消息，協(xié)調(diào)者收到參與者的 ACK 消息后將該分布式事務(wù)標(biāo)記為 aborted；3) 參與者一直沒(méi)有收到協(xié)調(diào)者的消息，等待超時(shí)之后會(huì)直接提交事務(wù)。

事實(shí)上，在最后階段，協(xié)調(diào)者不是通過(guò)追加本地日志的方式記錄提交決定的，而是首先保證讓至少 K 個(gè)參與者節(jié)點(diǎn)知道它決定提交該分布式事務(wù)。如果協(xié)調(diào)者發(fā)生故障了，那么剩下的參與者節(jié)點(diǎn)會(huì)重新選舉一個(gè)新的協(xié)調(diào)者，這個(gè)新的協(xié)調(diào)者就可以在集群中不超過(guò) K 個(gè)參與者節(jié)點(diǎn)故障的情況下學(xué)習(xí)到舊協(xié)調(diào)者之前是否已經(jīng)決定要提交分布式事務(wù)，若是，則重新開(kāi)始協(xié)議的第三階段，否則就中止該事務(wù)，重新發(fā)起分布式事務(wù)。

在最后的 DoCommit 階段，如果參與者一直沒(méi)有收到協(xié)調(diào)者的 DoCommit 或者 Abort 請(qǐng)求消息時(shí)，會(huì)在等待超時(shí)之后，直接提交事務(wù)。這個(gè)決策機(jī)制是基于概率學(xué)的：當(dāng)已經(jīng)進(jìn)入第三階段之后，說(shuō)明參與者在第二階段已經(jīng)收到了 PreCommit 請(qǐng)求消息，而協(xié)調(diào)者發(fā)出 PreCommit 請(qǐng)求的前提條件是它在第二階段開(kāi)頭收集到的第一階段向所有參與者發(fā)出的 CanCommit 請(qǐng)求消息的反饋消息都是 YES。所以參與者可以根據(jù)自己收到了 PreCommit 請(qǐng)求消息這一既定事實(shí)得出這樣的一個(gè)結(jié)論：其他所有參與者都同意了進(jìn)行這次的事務(wù)執(zhí)行，因此當(dāng)前的參與者節(jié)點(diǎn)有理由相信，進(jìn)入第三階段后，其他參與者節(jié)點(diǎn)的本地事務(wù)最后成功提交的概率很大，而自己遲遲沒(méi)有收到 DoCommit 或 Abort 消息可能僅僅是因?yàn)榫W(wǎng)絡(luò)抖動(dòng)或異常，因此直接提交自己的本地事務(wù)是一個(gè)比較合理的選擇。

三階段提交協(xié)議主要著重于解決兩階段提交協(xié)議中因?yàn)閰f(xié)調(diào)者單點(diǎn)故障而引發(fā)的同步阻塞問(wèn)題，雖然相較于兩階段提交協(xié)議有所優(yōu)化，但還是沒(méi)解決可能發(fā)生的數(shù)據(jù)不一致問(wèn)題，比如由于網(wǎng)絡(luò)異常導(dǎo)致部分參與者節(jié)點(diǎn)沒(méi)有收到協(xié)調(diào)者的 Abort 請(qǐng)求消息，超時(shí)之后這部分參與者會(huì)直接提交事務(wù)，從而導(dǎo)致集群中的數(shù)據(jù)不一致，另外三階段提交協(xié)議也無(wú)法解決腦裂問(wèn)題，同時(shí)也因?yàn)檫@個(gè)協(xié)議的網(wǎng)絡(luò)開(kāi)銷(xiāo)問(wèn)題，導(dǎo)致它并沒(méi)有被廣泛地使用，有關(guān)該協(xié)議的具體細(xì)節(jié)可以參閱本文最后的延伸閱讀一節(jié)中的文獻(xiàn)進(jìn)一步了解，這里不再深入。

共識(shí)算法

共識(shí)（Consensus），很多時(shí)候會(huì)見(jiàn)到與一致性（Consistency）術(shù)語(yǔ)放在一起討論。嚴(yán)謹(jǐn)?shù)刂v，兩者的含義并不完全相同。

一致性的含義比共識(shí)寬泛，在不同場(chǎng)景（基于事務(wù)的數(shù)據(jù)庫(kù)、分布式系統(tǒng)等）下意義不同。具體到分布式系統(tǒng)場(chǎng)景下，一致性指的是多個(gè)副本對(duì)外呈現(xiàn)的狀態(tài)。如前面提到的順序一致性、線性一致性，描述了多節(jié)點(diǎn)對(duì)數(shù)據(jù)狀態(tài)的共同維護(hù)能力。而共識(shí)，則特指在分布式系統(tǒng)中多個(gè)節(jié)點(diǎn)之間對(duì)某個(gè)事情（例如多個(gè)事務(wù)請(qǐng)求，先執(zhí)行誰(shuí)？）達(dá)成一致意見(jiàn)的過(guò)程。因此，達(dá)成某種共識(shí)并不意味著就保障了一致性。

實(shí)踐中，要保證系統(tǒng)滿足不同程度的一致性，往往需要通過(guò)共識(shí)算法來(lái)達(dá)成。

共識(shí)算法解決的是分布式系統(tǒng)對(duì)某個(gè)提案（Proposal），大部分節(jié)點(diǎn)達(dá)成一致意見(jiàn)的過(guò)程。提案的含義在分布式系統(tǒng)中十分寬泛，如多個(gè)事件發(fā)生的順序、某個(gè)鍵對(duì)應(yīng)的值、誰(shuí)是主節(jié)點(diǎn)……等等。可以認(rèn)為任何可以達(dá)成一致的信息都是一個(gè)提案。

對(duì)于分布式系統(tǒng)來(lái)講，各個(gè)節(jié)點(diǎn)通常都是相同的確定性狀態(tài)機(jī)模型（又稱(chēng)為狀態(tài)機(jī)復(fù)制問(wèn)題，State-Machine Replication），從相同初始狀態(tài)開(kāi)始接收相同順序的指令，則可以保證相同的結(jié)果狀態(tài)。因此，系統(tǒng)中多個(gè)節(jié)點(diǎn)最關(guān)鍵的是對(duì)多個(gè)事件的順序進(jìn)行共識(shí)，即排序。

算法共識(shí)/一致性算法有兩個(gè)最核心的約束：1) 安全性（Safety），2) 存活性（Liveness）：

Safety：保證決議（Value）結(jié)果是對(duì)的，無(wú)歧義的，不會(huì)出現(xiàn)錯(cuò)誤情況。

只有是被提案者提出的提案才可能被最終批準(zhǔn)；
在一次執(zhí)行中，只批準(zhǔn)（chosen）一個(gè)最終決議。被多數(shù)接受（accept）的結(jié)果成為決議；

Liveness：保證決議過(guò)程能在有限時(shí)間內(nèi)完成。

決議總會(huì)產(chǎn)生，并且學(xué)習(xí)者最終能獲得被批準(zhǔn)的決議。

Paxos

Google Chubby 的作者 Mike Burrows 說(shuō)過(guò)， there is only one consensus protocol, and that’s Paxos” – all other approaches are just broken versions of Paxos.

意即世上只有一種共識(shí)算法，那就是 Paxos，其他所有的共識(shí)算法都只是 Paxos 算法的殘缺版本。雖然有點(diǎn)武斷，但是自從 Paxos 問(wèn)世以來(lái)，它便幾乎成為了分布式共識(shí)算法的代名詞，后來(lái)的許多應(yīng)用廣泛的分布式共識(shí)算法如 Raft、Zab 等的原理和思想都可以溯源至 Paxos 算法。

Paxos 是由 Leslie Lamport (LaTeX 發(fā)明者，圖靈獎(jiǎng)得主，分布式領(lǐng)域的世界級(jí)大師) 在 1990 年的論文《The PartTime Parliament》里提出的，Lamport 在論文中以一個(gè)古希臘的 Paxos 小島上的議會(huì)制訂法律的故事切入，引出了 Paxos 分布式共識(shí)算法。

Basic Paxos

業(yè)界一般將 Lamport 論文里最初提出分布式算法稱(chēng)之為 Basic Paxos，這是 Paxos 最基礎(chǔ)的算法思想。

Basic Paxos 算法的最終目標(biāo)是通過(guò)嚴(yán)謹(jǐn)和可靠的流程來(lái)使得集群基于某個(gè)提案（Proposal）達(dá)到最終的共識(shí)。

基礎(chǔ)概念

Value：提案值，是一個(gè)抽象的概念，在工程實(shí)踐中可以是任何操作，如『更新數(shù)據(jù)庫(kù)某一行的某一列』、『選擇 xxx 服務(wù)器節(jié)點(diǎn)作為集群中的主節(jié)點(diǎn)』。
Number：提案編號(hào)，全局唯一，單調(diào)遞增。
Proposal：集群需要達(dá)成共識(shí)的提案，提案 = 編號(hào) + 值。

Proposal 中的 Value 就是在 Paxos 算法完成之后需要達(dá)成共識(shí)的值。

Paxos 算法中有三個(gè)核心角色：

Proposer：生成提案編號(hào) n 和值 v，然后向 Acceptors 廣播該提案，接收 Acceptors 的回復(fù)，如果有超過(guò)半數(shù)的 Acceptors 同意該提案，則選定該提案，否則放棄此次提案并生成更新的提案重新發(fā)起流程，提案被選定之后則通知所有 Learners 學(xué)習(xí)該最終選定的提案值（也可以由 Acceptor 來(lái)通知，看具體實(shí)現(xiàn)）。Basic Paxos 中允許有多個(gè) Proposers。
Acceptor：接收 Proposer 的提案并參與提案決策過(guò)程，把各自的決定回復(fù)給 Proposer 進(jìn)行統(tǒng)計(jì)。Acceptor 可以接受來(lái)自多個(gè) proposers 的多個(gè)提案。
Learner：不參與決策過(guò)程，只學(xué)習(xí)最終選定的提案值。

在具體的工程實(shí)踐中，一個(gè)節(jié)點(diǎn)往往會(huì)充當(dāng)多種角色，比如一個(gè)節(jié)點(diǎn)可以既是 Proposer 又是 Acceptor，甚至還是 Learner。

算法流程

相較于直接給出 Paxos 算法的流程，我想沿襲 Lamport 大師的經(jīng)典 Paxos 論文《Paxos Made Simple》中的思路：通過(guò)循序漸進(jìn)的方式推導(dǎo)出 Paxos 算法。

首先需要了解 Paxos 算法中的兩個(gè)重要的約束：

C1. 一個(gè) Acceptor 必須接受它收到的第一個(gè)提案。

C2. 只有當(dāng)超過(guò)半數(shù)的 Acceptors 接受某一個(gè)提案，才能最終選定該提案。

C2 其實(shí)有一個(gè)隱含的推論：一個(gè) Acceptor 可以接受多個(gè)提案，這也是為什么我們需要給每一個(gè)提案生成一個(gè)編號(hào)的原因，用來(lái)給提案排序。

我們前面提到過(guò) Paxos 的最終目標(biāo)是通過(guò)嚴(yán)謹(jǐn)和可靠的流程來(lái)使得集群基于某個(gè)提案（Proposal）達(dá)到最終的共識(shí)，也就是說(shuō)基于某一個(gè)提案發(fā)起的一次 Paxos 流程，最終目的是希望集群對(duì)該提案達(dá)成一致的意見(jiàn)，而為了實(shí)現(xiàn)并維持集群中的這種一致性，前提是 Paxos 算法必須具有冪等性：一旦提案（Proposal）中的值（Value）被選定（Chosen），那么只要還在此次 Paxos 流程中，就算不斷按照 Paxos 的規(guī)則重復(fù)步驟，未來(lái)被 Chosen 的 Value 都會(huì)是同一個(gè)。如果不滿足這種冪等性，將可能導(dǎo)致不一致的問(wèn)題。

因此，我們可以把 Paxos 的基本命題提煉出來(lái)：

P1. 在一次 Paxos 流程中，如果一個(gè)值（Value）為 v 的提案（Proposal）被選定（Chosen）了，那么后續(xù)任何被最終選定的帶有更大編號(hào)（Number）的提案中的 Value 也必須是 v。

提案在被最終選定之前必須先被 Acceptor 接受，于是我們可以再進(jìn)一步總結(jié)一個(gè)具有更強(qiáng)約束的命題：

P2. 在一次 Paxos 流程中，如果一個(gè)值（Value）為 v 的提案（Proposal）被選定（Chosen）了，那么后續(xù)任何被 Acceptor 接受的帶有更大編號(hào)（Number）的提案中的 Value 也必須是 v。

這還不是具備最強(qiáng)約束的命題，因?yàn)樘岚冈诒?Acceptor 接受之前必須先由 Proposer 提出，因此還可以繼續(xù)強(qiáng)化命題：

P3. 在一次 Paxos 流程中，如果一個(gè)值（Value）為 v 的提案（Proposal）被選定（Chosen）了，那么后續(xù)任何 Proposer 提議的帶有更大編號(hào)（Number）的提案中的 Value 也必須是 v。

從上述的三個(gè)命題，我們可以很容易地看出來(lái)，P3 可以推導(dǎo)出 P2，進(jìn)而推導(dǎo)出 P1，也就是說(shuō)這是一個(gè)歸約的過(guò)程，因此只要 P3 成立則 P1 成立，也就是 Paxos 算法的正確性得到保證。

那么要如何實(shí)現(xiàn)呢 P3 呢？只需滿足如下約束：

C3. 對(duì)于一個(gè)被 Proposer 提議的提案中任意的 v 和 n，存在一個(gè)數(shù)量超過(guò)半數(shù) Acceptors 的集合 S，滿足以下兩個(gè)條件中的任意一個(gè)：
S 中的任何一個(gè) Acceptor 都沒(méi)有接受過(guò)編號(hào)小于 n 的提案。
S 中所有的 Acceptors 接受過(guò)的最大編號(hào)的提案的 Value 為 v。

為了滿足 C3 從而實(shí)現(xiàn) P3，需要引入一條約束：Proposer 每次生成自己的 n 之后，發(fā)起提案之前，必須要先去『學(xué)習(xí)』那個(gè)已經(jīng)被選定或者將要被選定的小于 n 的提案，如果有這個(gè)提案的話則把那個(gè)提案的 v 作為自己的此次提案的 Value，沒(méi)有的話才可以自己指定一個(gè) Value，這樣的話 Proposer 側(cè)就可以保證更高編號(hào)的提案的值只會(huì)是已選定的 v 了，但是 Acceptor 側(cè)還無(wú)法保證，因?yàn)?Acceptor 有可能還會(huì)接受其他的 Proposers 的提案值，于是我們需要對(duì) Acceptor 也加一條約束，讓它承諾在收到編號(hào)為 n 的 v 之后，不會(huì)再接受新的編號(hào)小于 n 的提案值。

所以我們可以得到一個(gè) Paxos 在 Proposer 側(cè)的算法流程：

Proposer 生成一個(gè)新的提案編號(hào) n 然后發(fā)送一個(gè) prepare 請(qǐng)求給超過(guò)半數(shù)的 Acceptors 集合，要求集合中的每一個(gè) Acceptor 做出如下響應(yīng)：
(a) 向 Proposer 承諾在收到該消息之后就不再接受編號(hào)小于 n 的提案。
(b) 如果 Acceptor 在收到該消息之前已經(jīng)接受過(guò)其他提案，則把當(dāng)前接受的編號(hào)最大的提案回復(fù)給 Proposer。
如果 Proposer 收到了超過(guò)半數(shù)的 Acceptors 的回復(fù)，那么就可以生成 (n, v) 的提案，這里 v 是所有 Acceptors 回復(fù)中編號(hào)最大的那個(gè)提案里的值，如果所有 Acceptors 回復(fù)中都沒(méi)有附帶上提案的話，則可以由 Proposer 自己選擇一個(gè) v。
Proposer 將上面生成的提案通過(guò)一個(gè) accept 請(qǐng)求發(fā)送給一個(gè)超過(guò)半數(shù)的 Acceptors 集合。（需要注意的是這個(gè)集合不一定和第二步中的那個(gè)集合是同一個(gè)。）

Paxos 在 Proposer 側(cè)的算法流程已經(jīng)確定了，接下來(lái)我們需要從 Acceptor 的視角來(lái)完成剩下的算法推導(dǎo)。前面我們提到過(guò)，Acceptor 是可以接受多個(gè) Proposers 的多個(gè)提案的，但是在收到一個(gè) Proposer 的 prepare 消息后會(huì)承諾不再接受編號(hào)小于 n 的新提案，也就是說(shuō) Acceptor 也是可以忽略掉其他 Proposers 消息（包括 prepare 和 accept）而不會(huì)破壞算法的安全性，當(dāng)然了，在工程實(shí)踐中也可以直接回復(fù)一個(gè)錯(cuò)誤，讓 Proposer 更早知道提案被拒絕然后生成提案重新開(kāi)始流程。這里我們應(yīng)該重點(diǎn)思考的場(chǎng)景是一個(gè) Acceptor 接受一個(gè)提案請(qǐng)求的時(shí)候，根據(jù)前面 Proposer 要求 Acceptor 的承諾，我們可以給 Acceptor 設(shè)置一個(gè)這樣的約束：

C4. 如果一個(gè) Proposer 發(fā)出了帶 n 的 prepare 請(qǐng)求，只要 Acceptor 還沒(méi)有回復(fù)過(guò)任何其他編號(hào)大于 n 的prepare 請(qǐng)求，則該 Acceptor 可以接受這個(gè)提案。

因?yàn)?Acceptor 需要對(duì) Proposer 做出不接受編號(hào)小于 n 的提案的承諾，因此它需要做持久化記錄，那么它就必須是有狀態(tài)的，也因此每個(gè) Acceptor 都需要利用可靠性存儲(chǔ)（日志）來(lái)保存兩個(gè)對(duì)象：

Acceptor 接受過(guò)的編號(hào)最大的提案；
Acceptor 回復(fù)過(guò)的最大的 prepare 請(qǐng)求提案編號(hào)。

以上這就是 Acceptor 側(cè)的約束。接下來(lái)我們就可以得到 Paxos 的整個(gè)算法流程了。

Paxos 算法可以歸納為兩大基本過(guò)程：

選擇過(guò)程；
學(xué)習(xí)過(guò)程。

選擇過(guò)程

選擇過(guò)程分為兩個(gè)階段：

階段一（Phase 1）：
(a) Proposer 生成一個(gè)全局唯一且單調(diào)遞增的提案編號(hào) n，然后發(fā)送編號(hào)為 n 的 prepare 請(qǐng)求（P1a msg）給超過(guò)半數(shù)的 Acceptors 集合。
(b) 當(dāng)一個(gè) Acceptor 收到一個(gè)編號(hào)為 n 的 prepare 請(qǐng)求，如果 n 比它此前接受過(guò)其他的提案編號(hào)（如果有）都要大的話，那么將這個(gè)提案編號(hào) n 寫(xiě)入本地日志，這里記為 max_n，然后作出『兩個(gè)承諾，一個(gè)回復(fù)』:
否則就忽略該 prepare 消息或者回復(fù)一個(gè)錯(cuò)誤。

在不違背以前作出的承諾下，回復(fù)消息（P1b msg），附帶上自己已經(jīng)接受過(guò)的提案中編號(hào)最大的那個(gè)提案的 v 和 n，沒(méi)有則返回空值。
不再接受編號(hào)小于等于 n 的 prepare 請(qǐng)求
不再接受編號(hào)小于等于 n 的 accept 請(qǐng)求
兩個(gè)承諾：
一個(gè)回復(fù)：

階段二（Phase 2）：
(a) 當(dāng) Proposer 收到超過(guò)半數(shù)的 Acceptors 回復(fù)它的編號(hào)為 n 的 prepare 請(qǐng)求的響應(yīng)，此時(shí)有兩種可能：
(b) 當(dāng) Acceptor 收到一個(gè)編號(hào)為 n 的提案的 accept 請(qǐng)求消息，需要分兩種情況處理：

如果 n >= max_n（通常情況下這兩個(gè)值是相等的），則接受該提案并回復(fù)消息（P2b msg）。
如果 n < max_n，則忽略該 accept 消息或者回復(fù)一個(gè)錯(cuò)誤（P2b error）。
Free：沒(méi)有任何一個(gè) Acceptor 的回復(fù)消息中附帶已被接受的提案，意味著當(dāng)前流程中還沒(méi)有提案值被最終接受，此時(shí) Proposer 可以自由地選擇提案值 Value，最后發(fā)送一個(gè)包含 (n, v) 提案的 accept 請(qǐng)求消息（P2a msg）給 Acceptors 集合。
Forced：某些 Acceptors 的回復(fù)消息中附帶已被接受的提案，那么 Proposer 必須強(qiáng)制使用這些回復(fù)消息中編號(hào)最大的提案 Value 作為自己的提案值，最后發(fā)送一個(gè)包含 (n, v) 提案的 accept 請(qǐng)求消息（P2a msg）給 Acceptors 集合。

學(xué)習(xí)過(guò)程

選擇過(guò)程結(jié)束之后，我們得到了一個(gè)提案值，接下來(lái)就是要讓集群中的所有 Learner 『學(xué)習(xí)』到這個(gè)值了，以求達(dá)到集群的共識(shí)。

Learner 學(xué)習(xí)提案值的方式可以分成三種：

任意一個(gè) Acceptor 接受了一個(gè)提案后就立刻將該提案發(fā)送給所有 Learner。優(yōu)點(diǎn)：Learner 能實(shí)時(shí)學(xué)習(xí)到被 Paxos 流程選定的 Value；缺點(diǎn)：網(wǎng)絡(luò)通信次數(shù)太多，如果有 N 個(gè) Acceptors 和 M 個(gè) Learner，則需要的網(wǎng)絡(luò)通信是 N*M 次。
設(shè)置一個(gè)主 Learner，Acceptor 接受了一個(gè)提案后只將該提案發(fā)送給主 Learner，主 Learner 再轉(zhuǎn)發(fā)給剩下的 Learners。優(yōu)點(diǎn)：網(wǎng)絡(luò)通信次數(shù)只需 N+M-1 次；缺點(diǎn)：主 Learner 有單點(diǎn)故障的風(fēng)險(xiǎn)。
Acceptor 接受了一個(gè)提案后將該提案發(fā)送給一個(gè) Learner 集合，由這個(gè)集合去通知剩下的 Learners。優(yōu)點(diǎn)：用集合替代單點(diǎn)，可靠性更高；缺點(diǎn)：增加系統(tǒng)復(fù)雜度，需要維護(hù)一個(gè) Learner 小集群。

至此，我們就推導(dǎo)出了整個(gè) Paxos 算法的流程：

算法證明

這一節(jié)我們來(lái)證明 Paxos 算法的正確性。

上一節(jié)我們已經(jīng)提煉出來(lái)了 Paxos 的基本命題 P1，并通過(guò)歸約 P1 得到了約束性更強(qiáng)的另外兩個(gè)命題 P2 和 P3，根據(jù)歸約的原理，我們知道 P3 可以最終推導(dǎo)出 P1，也就是說(shuō)如果要證明 Paxos 的基本命題 P1，只需要證明 P3 即可。為什么之前我們要不斷強(qiáng)化 Paxos 的命題呢？因?yàn)閺臄?shù)學(xué)的層面來(lái)講，一個(gè)具有更強(qiáng)約束（更多假設(shè)）的命題一般會(huì)更容易證明。

現(xiàn)在我們把 P1, P2 和 P3 用更嚴(yán)格的數(shù)學(xué)語(yǔ)言來(lái)描述：

P1. 在一次 Paxos 流程中，如果一個(gè)包含 (n, v) 的提案被選定（Chosen），那么存在未來(lái)被選定的提案 (k, v1)，必然滿足 k > n，v1 = v。

P2. 在一次 Paxos 流程中，如果一個(gè)包含 (n, v) 的提案被選定（Chosen），那么存在未來(lái)被超過(guò)半數(shù)的 Acceptors 接受的提案 (k, v1)，必然滿足 k > n，v1 = v。

P3. 在一次 Paxos 流程中，如果一個(gè)包含 (n, v) 的提案被選定（Chosen），那么存在未來(lái)由 Proposer 提議的提案 (k, v1)，必然滿足 k > n，v1 = v。

現(xiàn)在我們利用數(shù)學(xué)歸納法來(lái)證明 P3：

假設(shè) k = m 時(shí) P3 成立，由于 (n, v) 已經(jīng)是被選定的提案，因此 Proposer 發(fā)起的從 n 到 k 的提案中的 Value 都會(huì)是 v，其中 m >= n，那么根據(jù)歸約的原理可證 k = m 時(shí) P1 也成立。

現(xiàn)在令 k = m+1，Proposer 發(fā)送帶編號(hào) k 的 prepare 請(qǐng)求消息到 Acceptors 集合。

由于此前已經(jīng)有了選定的提案，那么根據(jù) Paxos 的約束 C2 可知參與這一個(gè)提案投票的 Acceptors 集合必定和上一個(gè)集合有重合。

根據(jù) Acceptors 集合重疊和 Paxos 的 P1b 階段可知，回復(fù)的消息中必定附帶有已被大多數(shù) Acceptors 接受的提案 (i, v0)。

然后根據(jù) P2a 階段，Proposer 提案 (k, v1)，其中 v1 = v0。

還是根據(jù) P1b，可知 i 是所有回復(fù)消息里編號(hào)最大的，可得 i >= m，又根據(jù) P1a 可知 i < k，因此可以得出提案 (i, v0) 中有 v0 = v。

可知當(dāng) k = m+1 時(shí)，提案 (k, v1) 中的 v1 = v。

根據(jù)數(shù)學(xué)歸納法的原理，我們還需要找到一個(gè)特例來(lái)使得命題成立，然后由特例推廣到普遍，我們這里選擇 k = 1 作為特例，證明 k = 1 時(shí) P3 成立：根據(jù) Paxos 的約束 C1 易知在 n = 0，k = 1 的場(chǎng)景下，P3 成立。

因此可根據(jù)數(shù)學(xué)歸納法基于 k = 1 進(jìn)行推廣至 k = m（m 代表任意自然數(shù)），最后 P3 命題得證。

再由歸約的原理可知，P3 可推導(dǎo)出 P2，最后 P2 推導(dǎo)出 P1。至此， Paxos 算法原理正確性的證明完成。

上述的證明只是一種比較簡(jiǎn)單且粗淺的證明方法，但是對(duì)于工程師理解 Paxos 原理來(lái)說(shuō)已經(jīng)足夠了，如果希望進(jìn)一步學(xué)習(xí) Paxos 原理的嚴(yán)格數(shù)學(xué)證明，可以參閱 Leslie Lamport 的原始論文《The PartTime Parliament》，里面給出了 Paxos 算法的嚴(yán)格數(shù)學(xué)證明。

Multi-Paxos

自 Lamport 于 1990 年在論文《The PartTime Parliament》中提出 Paxos 算法之后，這個(gè)算法一直被評(píng)價(jià)為難以理解和實(shí)現(xiàn)，這篇論文中運(yùn)用了大量的數(shù)學(xué)對(duì) Paxos 的原理進(jìn)行證明，而又由于 Lamport 在論文里用講故事的形式解釋 Paxos，進(jìn)一步增大了人們徹底理解 Paxos 的難度，事實(shí)上 Lamport 的這篇論文也因此在發(fā)表過(guò)程中一波三折，這里不展開(kāi)，有興趣的讀者可以自行去了解這段這段背景故事。

因?yàn)闃I(yè)界在理解 Paxos 算法上持續(xù)的怨聲載道，Lamport 在 2001 年發(fā)表了論文《Paxos Made Simple》，對(duì)原論文進(jìn)行精簡(jiǎn)，以更通俗易懂的語(yǔ)言和形式闡述 Paxos 算法，并在其中提出了更加具備工程實(shí)踐性的 Multi-Paxos 的思想。

關(guān)于 Paxos 難以理解的問(wèn)題上，我個(gè)人的一點(diǎn)愚見(jiàn)是：Paxos 算法的思想其實(shí)并不難理解，真正難的地方是：

Paxos 背后那一套完整的數(shù)學(xué)原理和證明
在復(fù)雜分布式環(huán)境將 Paxos 進(jìn)行工程落地

我個(gè)人建議的 Paxos 學(xué)習(xí)資料是：《Paxos Made Simple》，《Paxos Made Live - An Engineering Perspective》以及 Paxos lecture (Raft user study)。第一篇論文可以說(shuō)是 Lamport 1990 年那篇最初的論文的精簡(jiǎn)版，可讀性提高了很多，論文里也沒(méi)有使用任何數(shù)學(xué)公式，只需一點(diǎn)英文基礎(chǔ)就可以通讀，第二篇論文講的則是 Google 內(nèi)部基于 Multi-Paxos 實(shí)現(xiàn)的分布式鎖機(jī)制和小文件存儲(chǔ)系統(tǒng)，這是業(yè)界較早的實(shí)現(xiàn)了 Multi-Paxos 的大規(guī)模線上系統(tǒng)，十分具有參考性，最后的 Youtube 視頻則是 Raft 的作者 Diego Ongaro 為了對(duì)比 Raft 和 Multi-Paxos 的學(xué)習(xí)的難易程度而做的，非常適合作為學(xué)習(xí) Paxos 和 Raft 的入門(mén)資料。

從上一節(jié)可知 Basic Paxos 算法有幾個(gè)天然缺陷：

只能就單個(gè)值（Value）達(dá)成共識(shí)，不支持多值共識(shí)。在實(shí)際的工程實(shí)踐中往往是需要對(duì)一系列的操作達(dá)成共識(shí)，比如分布式事務(wù)，由很多執(zhí)行命令組成。
至少需要 2 輪往返 4 次 prepare 和 accept 網(wǎng)絡(luò)通信才能基于一項(xiàng)提案達(dá)成共識(shí)。對(duì)于一個(gè)分布式系統(tǒng)來(lái)說(shuō)，網(wǎng)絡(luò)通信是最影響性能的因素之一，過(guò)多的網(wǎng)絡(luò)通信往往會(huì)導(dǎo)致系統(tǒng)的性能瓶頸。
不限制 Proposer 數(shù)量導(dǎo)致非常容易發(fā)生提案沖突。極端情況下，多 Proposer 會(huì)導(dǎo)致系統(tǒng)出現(xiàn)『活鎖』，破壞分布式共識(shí)算法的兩大約束之一的活性（liveness）。

關(guān)于第三點(diǎn)，前文提到分布式共識(shí)算法必須滿足兩個(gè)最核心的約束：安全性（safety）和活性（liveness），從上一節(jié)我們可以看出 Basic Paxos 主要著重于 safety，而對(duì) liveness 并沒(méi)有進(jìn)行強(qiáng)約束，讓我們?cè)O(shè)想一種場(chǎng)景：兩個(gè) Proposers (記為 P1 和 P2) 輪替著發(fā)起提案，導(dǎo)致兩個(gè) Paxos 流程重疊了：

首先，P1 發(fā)送編號(hào) N1 的 prepare 請(qǐng)求到 Acceptors 集合，收到了過(guò)半的回復(fù)，完成階段一。
緊接著 P2 也進(jìn)入階段一，發(fā)送編號(hào) N2 的 prepare 請(qǐng)求到過(guò)半的 Acceptors 集合，也收到了過(guò)半的回復(fù)，Acceptors 集合承諾不再接受編號(hào)小于 N2 的提案。
然后 P1 進(jìn)入階段二，發(fā)送編號(hào) N1 的 accept 請(qǐng)求被 Acceptors 忽略，于是 P1 重新進(jìn)入階段一發(fā)送編號(hào) N3 的 prepare 請(qǐng)求到 Acceptors 集合，Acceptors 又承諾不再接受編號(hào)小于 N3 的提案。
緊接著 P2 進(jìn)入階段二，發(fā)送編號(hào) N2 的 accept 請(qǐng)求，又被 Acceptors 忽略。
不斷重復(fù)上面的過(guò)程......

在極端情況下，這個(gè)過(guò)程會(huì)永遠(yuǎn)持續(xù)，導(dǎo)致所謂的『活鎖』，永遠(yuǎn)無(wú)法選定一個(gè)提案，也就是 liveness 約束無(wú)法滿足。

為了解決這些問(wèn)題，Lamport 在《Paxos Made Simple》論文中提出了一種基于 Basic Paxos 的 Multi-Paxos 算法思想，并基于該算法引出了一個(gè)分布式銀行系統(tǒng)狀態(tài)機(jī)的實(shí)現(xiàn)方案，感興趣的讀者不妨看一下。

Multi-Paxos 算法在 Basic Paxos 的基礎(chǔ)上做了兩點(diǎn)改進(jìn)：

多 Paxos 實(shí)例：針對(duì)每一個(gè)需要達(dá)成共識(shí)的單值都運(yùn)行一次 Basic Paxos 算法的實(shí)例，并使用 Instance ID 做標(biāo)識(shí)，最后匯總完成多值共識(shí)。
選舉單一的 Leader Proposer：選舉出一個(gè) Leader Proposer，所有提案只能由 Leader Proposer 來(lái)發(fā)起并決策，Leader Proposer 作為 Paxos 算法流程中唯一的提案發(fā)起者，『活鎖』將不復(fù)存在。此外，由于單一 Proposer 不存在提案競(jìng)爭(zhēng)的問(wèn)題，Paxos 算法流程中的階段一中的 prepare 步驟也可以省略掉，從而將兩階段流程變成一階段，大大減少網(wǎng)絡(luò)通信次數(shù)。

關(guān)于多值共識(shí)的優(yōu)化，如果每一個(gè) Basic Paxos 算法實(shí)例都設(shè)置一個(gè) Leader Proposer 來(lái)工作，還是會(huì)產(chǎn)生大量的網(wǎng)絡(luò)通信開(kāi)銷(xiāo)，因此，多個(gè) Paxos 實(shí)例可以共享同一個(gè) Leader Proposer，這要求該 Leader Proposer 必須是穩(wěn)定的，也即 Leader 不應(yīng)該在 Paxos 流程中崩潰或改變。

由于 Lamport 在論文中提出的 Multi-Paxos 只是一種思想而非一個(gè)具體算法，因此關(guān)于 Multi-Paxos 的很多細(xì)節(jié)他并沒(méi)有給出具體的實(shí)現(xiàn)方案，有些即便給出了方案也描述得不是很清楚，比如他在論文中最后一節(jié)提出的基于銀行系統(tǒng)的狀態(tài)機(jī)中的多 Paxos 實(shí)例處理，雖然給了具體的論述，但是在很多關(guān)鍵地方還是沒(méi)有指明，這也導(dǎo)致了后續(xù)業(yè)界里的 Multi-Paxos 實(shí)現(xiàn)各不相同。

我們這里用 Google Chubby 的 Multi-Paxos 實(shí)現(xiàn)來(lái)分析這個(gè)算法。

首先，Chubby 通過(guò)引入 Master 節(jié)點(diǎn)，實(shí)現(xiàn)了 Lamport 在論文中提到的 single distinguished proposer，也就是 Leader Proposer，Leader Proposer 作為 Paxos 算法流程中唯一的提案發(fā)起者，規(guī)避了多 Proposers 同時(shí)發(fā)起提案的場(chǎng)景，也就不存在提案沖突的情況了，從而解決了『活鎖』的問(wèn)題，保證了算法的活性（liveness）。

Lamport 在論文中指出，選擇 Leader Proposer 的過(guò)程必須是可靠的，那么具體如何選擇一個(gè) Leader Proposer 呢？在 Chubby 中，集群利用 Basic Paxos 算法的共識(shí)功能來(lái)完成對(duì) Leader Proposer 的選舉，這個(gè)實(shí)現(xiàn)是具有天然合理性的，因?yàn)?Basic Paxos 本身就是一個(gè)非常可靠而且經(jīng)過(guò)嚴(yán)格數(shù)學(xué)證明的共識(shí)算法，用來(lái)作為選舉算法再合適不過(guò)了，在 Multi-Paxos 流程期間，Master 會(huì)通過(guò)不斷續(xù)租的方式來(lái)延長(zhǎng)租期（Lease）。比如在實(shí)際場(chǎng)景中，一般在長(zhǎng)達(dá)幾天的時(shí)期內(nèi)都是同一個(gè)服務(wù)器節(jié)點(diǎn)作為 Master。萬(wàn)一 Master 故障了，那么剩下的 Slaves 節(jié)點(diǎn)會(huì)重新發(fā)起 Paxos 流程票選出新的 Master，也就是說(shuō)主節(jié)點(diǎn)是一直存在的，而且是唯一的。

此外，Lamport 在論文中提到的過(guò)一種優(yōu)化網(wǎng)絡(luò)通信的方法：“當(dāng) Leader Proposer 處于穩(wěn)定狀態(tài)時(shí)，可以跳過(guò)階段一，直接進(jìn)入階段二”，在 Chubby 中也實(shí)現(xiàn)了這個(gè)優(yōu)化機(jī)制，Leader Proposer 在為多個(gè) Paxos 算法實(shí)例服務(wù)的時(shí)候直接跳過(guò)階段一進(jìn)入階段二，只發(fā)送 accept 請(qǐng)求消息給 Acceptors 集合，將算法從兩階段優(yōu)化成了一階段，大大節(jié)省網(wǎng)絡(luò)帶寬和提升系統(tǒng)性能。

最后，Multi-Paxos 是一個(gè)"腦裂"容錯(cuò)的算法思想，就是說(shuō)當(dāng) Multi-Paxos 流程中因?yàn)榫W(wǎng)絡(luò)問(wèn)題而出現(xiàn)多 Leaders 的情況下，該算法的安全性（safety ）約束依然能得到保證，因?yàn)樵谶@種情況下，Multi-Paxos 實(shí)際上是退化成了 Basic Paxos，而 Basic Paxos 天然就支持多 Proposers。

在分布式事務(wù)中，Paxos 算法能夠提供比兩階段提交協(xié)議更加可靠的一致性提交：通過(guò)將提交/放棄事務(wù)的決定從原來(lái)兩階段協(xié)議中單一的協(xié)調(diào)者轉(zhuǎn)移到一個(gè)由 Proposer + Acceptors 組成的集群中。Lamport 曾經(jīng)發(fā)表過(guò)一篇《Consensus on Transaction Commit》的論文，通過(guò)將兩階段提交協(xié)議和基于 Paxos 實(shí)現(xiàn)的分布式提交協(xié)議做對(duì)比，對(duì)基于 Paxos 實(shí)現(xiàn)的提交協(xié)議有非常精彩的論述，感興趣的讀者不妨一讀。

Raft

Raft 算法實(shí)際上是 Multi-Paxos 的一個(gè)變種，通過(guò)新增兩個(gè)約束：

追加日志約束：Raft 中追加節(jié)點(diǎn)的日志必須是串行連續(xù)的，而 Multi-Paxos 中則可以并發(fā)追加日志（實(shí)際上 Multi-Paxos 的并發(fā)也只是針對(duì)日志追加，最后應(yīng)用到內(nèi)部 State Machine 的時(shí)候還是必須保證順序）。
選主限制：Raft 中只有那些擁有最新、最全日志的節(jié)點(diǎn)才能當(dāng)選 Leader 節(jié)點(diǎn)，而 Multi-Paxos 由于允許并發(fā)寫(xiě)日志，因此無(wú)法確定一個(gè)擁有最新、最全日志的節(jié)點(diǎn)，因此可以選擇任意一個(gè)節(jié)點(diǎn)作為 Leader，但是選主之后必須要把 Leader 節(jié)點(diǎn)的日志補(bǔ)全。

基于這兩個(gè)限制，Raft 算法的實(shí)現(xiàn)比 Multi-Paxos 更加簡(jiǎn)單易懂，不過(guò)由于 Multi-Paxos 的并發(fā)度更高，因此從理論上來(lái)說(shuō) Multi-Paxos 的性能會(huì)更好一些，但是到現(xiàn)在為止業(yè)界也沒(méi)有一份權(quán)威的測(cè)試報(bào)告來(lái)支撐這一觀點(diǎn)。

對(duì)比一下 Multi-Paxos 和 Raft 下集群中可能存在的日志順序：

可以看出，Raft 中永遠(yuǎn)滿足這樣一個(gè)約束：follower log 一定會(huì)是 leader log 的子集并且順序一定是連續(xù)的，而 Multi-Paxos 則不一定滿足這個(gè)約束，日志記錄通常是亂序的。

由于 Raft 的核心思想源自 Multi-Paxos，在實(shí)現(xiàn)過(guò)程中做了很多改進(jìn)優(yōu)化，然而萬(wàn)變不離其宗，我相信理解了 Multi-Paxos 之后再去學(xué)習(xí) Raft 會(huì)事半功倍（Raft 在誕生之初也是打著"容易理解"的旗號(hào)來(lái)對(duì)標(biāo) Paxos 的），由于前面已經(jīng)深度剖析過(guò) Paxos 算法的流程和原理了，礙于本文的篇幅所限，這里就不再對(duì) Raft 算法的細(xì)節(jié)進(jìn)行深入探討了，如果有意深入學(xué)習(xí) Raft，可以從 The Raft Consensus Algorithm 處找到相關(guān)的論文、源碼等資料進(jìn)行全面的學(xué)習(xí)。

最后有一些概念要澄清一下，Basic Paxos 是一個(gè)經(jīng)過(guò)了嚴(yán)格數(shù)學(xué)證明的分布式共識(shí)算法，但是由于前文提到的 Basic Paxos 算法應(yīng)用在實(shí)際工程落地中的種種問(wèn)題，現(xiàn)實(shí)中幾乎沒(méi)有直接基于 Basic Paxos 算法實(shí)現(xiàn)的分布式系統(tǒng)，絕大多數(shù)都是基于 Multi-Paxos，然而 Multi-Basic 僅僅是一種對(duì) Basic Paxos 的延伸思想而非一個(gè)具體算法，問(wèn)題在于目前業(yè)界并沒(méi)有一個(gè)統(tǒng)一的 Multi-Paxos 實(shí)現(xiàn)標(biāo)準(zhǔn)，因此 Multi-Paxos 的工程實(shí)現(xiàn)是建立在一個(gè)未經(jīng)嚴(yán)格證明的前提之上的，工程實(shí)現(xiàn)最終的正確性只能靠實(shí)現(xiàn)方自己去驗(yàn)證，而 Raft 則是一個(gè)具有統(tǒng)一標(biāo)準(zhǔn)實(shí)現(xiàn)的、正確性已經(jīng)過(guò)嚴(yán)格證明的具體算法，因此在分布式系統(tǒng)的工程實(shí)踐中大多數(shù)人往往還是會(huì)選擇 Raft 作為底層的共識(shí)算法。

算法類(lèi)型

需要特別指出的一點(diǎn)是，根據(jù)解決的場(chǎng)景是否允許拜占庭（Byzantine）錯(cuò)誤，共識(shí)算法可以分為 Crash Fault Tolerance (CFT) 和 Byzantine Fault Tolerance（BFT）兩類(lèi)。

對(duì)于非拜占庭錯(cuò)誤的情況，已經(jīng)存在不少經(jīng)典的算法，包括 Paxos（1990 年）、Raft（2014 年）及其變種等。這類(lèi)容錯(cuò)算法往往性能比較好，處理較快，容忍不超過(guò)一半的故障節(jié)點(diǎn)。

對(duì)于要能容忍拜占庭錯(cuò)誤的情況，包括 PBFT（Practical Byzantine Fault Tolerance，1999 年）為代表的確定性系列算法、PoW（1997 年）為代表的概率算法等。確定性算法一旦達(dá)成共識(shí)就不可逆轉(zhuǎn)，即共識(shí)是最終結(jié)果；而概率類(lèi)算法的共識(shí)結(jié)果則是臨時(shí)的，隨著時(shí)間推移或某種強(qiáng)化，共識(shí)結(jié)果被推翻的概率越來(lái)越小，最終成為事實(shí)上結(jié)果。拜占庭類(lèi)容錯(cuò)算法往往性能較差，容忍不超過(guò) 1/3 的故障節(jié)點(diǎn)。

本文主要討論的分布式共識(shí)算法是 CFT 類(lèi)算法，畢竟對(duì)于大多數(shù)分布式系統(tǒng)來(lái)說(shuō)，集群節(jié)點(diǎn)和網(wǎng)絡(luò)消息一般都是可控的，系統(tǒng)只會(huì)出現(xiàn)節(jié)點(diǎn)故障而不會(huì)出現(xiàn)像拜占庭錯(cuò)誤那樣偽造的、欺騙性的網(wǎng)絡(luò)消息，在這種場(chǎng)景下，CFT 類(lèi)算法更具有現(xiàn)實(shí)意義；BFT/PBFT 類(lèi)算法更多是用在系統(tǒng)被惡意入侵，故意偽造網(wǎng)絡(luò)消息的場(chǎng)景里。

并發(fā)控制

在分布式事務(wù)中，集群中的每個(gè)服務(wù)器節(jié)點(diǎn)要管理很多資源對(duì)象，每個(gè)節(jié)點(diǎn)必須保證在并發(fā)事務(wù)訪問(wèn)這些資源對(duì)象時(shí)，它們能夠始終保持一致性。因此，每個(gè)服務(wù)器節(jié)點(diǎn)需要對(duì)自己的管理的資源對(duì)象應(yīng)用一定的并發(fā)控制機(jī)制。分布式事務(wù)中需要所有服務(wù)器節(jié)點(diǎn)共同保證事務(wù)以串行等價(jià)的的方式執(zhí)行。

也就是說(shuō)，如果事務(wù) T 對(duì)某一個(gè)服務(wù)器節(jié)點(diǎn)上的資源對(duì)象 S 的并發(fā)訪問(wèn)在事務(wù) U 之前，那么我們需要保證在所有服務(wù)器節(jié)點(diǎn)上對(duì) S 和其他資源對(duì)象的沖突訪問(wèn)，T 始終在 U 之前。

鎖并發(fā)控制

在分布式事務(wù)中，某個(gè)對(duì)象的鎖總是本地持有的（在同一個(gè)服務(wù)器節(jié)點(diǎn)上）。是否加鎖是由本地鎖管理器（Local Lock Manager，LLM）決定的。LLM 決定是滿足客戶端持鎖的請(qǐng)求，還是阻塞客戶端發(fā)起的分布式事務(wù)。但是，事務(wù)在所有服務(wù)器節(jié)點(diǎn)上被提交或者放棄之前，LLM 不能釋放任何鎖。在使用加鎖機(jī)制的并發(fā)控制中，原子提交協(xié)議在進(jìn)行的過(guò)程中資源對(duì)象始終被鎖住，并且是排他鎖，其他事務(wù)無(wú)法染指這些資源對(duì)象。但如果事務(wù)在兩階段提交協(xié)議的階段一就被放棄，則互斥鎖可以提前釋放。

由于不同服務(wù)器節(jié)點(diǎn)上的 LLM 獨(dú)立設(shè)置資源對(duì)象鎖，因此，對(duì)于不同的事務(wù)，它們加鎖的順序也可能出現(xiàn)不一致。考慮一個(gè)場(chǎng)景：事務(wù) T 和 U在服務(wù)器 X 和 Y 之間的交錯(cuò)執(zhí)行：

事務(wù) T 鎖住了服務(wù)器節(jié)點(diǎn) X 上的資源對(duì)象 A，做寫(xiě)入操作；
事務(wù) U 鎖住了服務(wù)器節(jié)點(diǎn) Y 上的資源對(duì)象 B，做寫(xiě)入操作；
事務(wù) T 試圖讀取服務(wù)器節(jié)點(diǎn) Y 上的資源對(duì)象 B，此時(shí) B 被事務(wù) U 鎖住，因此 T 等待鎖釋放；
事務(wù) U 試圖讀取服務(wù)器節(jié)點(diǎn) X 上的資源對(duì)象 A，此時(shí) A 被事務(wù) T 鎖住，因此 U 等待鎖釋放。

在服務(wù)器節(jié)點(diǎn) X 上，事務(wù) T 在事務(wù) U 之前；而在服務(wù)器節(jié)點(diǎn) Y 上，事務(wù) U 在事務(wù) T 之前。這種不一致的事務(wù)次序?qū)е铝耸聞?wù)之間的循環(huán)依賴，從而引起分布式死鎖。分布式死鎖需要通過(guò)特定的方法/算法來(lái)檢測(cè)并解除，一旦檢測(cè)到死鎖，則必須放棄其中的某個(gè)事務(wù)來(lái)解除死鎖，然后通知事務(wù)協(xié)調(diào)者，它將會(huì)放棄該事務(wù)所涉及的所有參與者上的事務(wù)。

時(shí)間戳并發(fā)控制

對(duì)于單一服務(wù)器節(jié)點(diǎn)的事務(wù)來(lái)說(shuō)，協(xié)調(diào)者在每個(gè)事務(wù)啟動(dòng)時(shí)會(huì)為其分配一個(gè)全局唯一的時(shí)間戳。通過(guò)按照訪問(wèn)資源對(duì)象的事務(wù)時(shí)間戳順序提交資源對(duì)象的版本來(lái)強(qiáng)制保證以事務(wù)執(zhí)行的串行等價(jià)性。在分布式事務(wù)中，協(xié)調(diào)者必須保證每個(gè)事務(wù)都會(huì)附帶全局唯一的時(shí)間戳。全局唯一的時(shí)間戳由事務(wù)訪問(wèn)的第一個(gè)協(xié)調(diào)者發(fā)給客戶端。如果任意一個(gè)服務(wù)器節(jié)點(diǎn)上的資源對(duì)象執(zhí)行了事務(wù)中的一個(gè)操作，那么事務(wù)時(shí)間戳?xí)话l(fā)送給該服務(wù)器節(jié)點(diǎn)上的協(xié)調(diào)者。

分布式事務(wù)中的所有服務(wù)器節(jié)點(diǎn)共同保證事務(wù)以串行等價(jià)的方式執(zhí)行。例如，如果在某服務(wù)器節(jié)點(diǎn)上，由事務(wù) U 訪問(wèn)的資源對(duì)象版本在事務(wù) T 訪問(wèn)之后提交；而在另一個(gè)服務(wù)器節(jié)點(diǎn)上，事務(wù) T 和事務(wù) U 又訪問(wèn)了同一個(gè)資源對(duì)象，那么它們也必須按照相同的次序提交資源對(duì)象。為了保證所有服務(wù)器節(jié)點(diǎn)上的事務(wù)執(zhí)行的相同順序，協(xié)調(diào)者必須就時(shí)間戳排序達(dá)成一致。時(shí)間戳是一個(gè)二元組 < 本地時(shí)間戳，服務(wù)器 ID > 對(duì)。在時(shí)間戳的比較排序過(guò)程中，首先比較本地時(shí)間戳，然后再比較服務(wù)器 ID。

一個(gè)可靠的時(shí)間戳并發(fā)控制應(yīng)該保證即使各個(gè)服務(wù)器節(jié)點(diǎn)之間的本地時(shí)間不同步，也能保證事務(wù)之間的相同順序。但是考慮到效率，各個(gè)協(xié)調(diào)者之間的時(shí)間戳還是最好還是要求大致同步。這樣的話，事務(wù)之間的順序通常與它們實(shí)際開(kāi)始的時(shí)間順序相一致。可以利用一些本地物理時(shí)鐘同步方法來(lái)保證時(shí)間戳的大致同步。

如果決定利用時(shí)間戳機(jī)制進(jìn)行分布式事務(wù)的并發(fā)控制，那么還需要通過(guò)某些方法來(lái)解決事務(wù)沖突問(wèn)題。如果為了解決沖突需要放棄某個(gè)事務(wù)時(shí)，相應(yīng)的協(xié)調(diào)者會(huì)收到通知，并且它將在所有的參與者上放棄該事務(wù)。這樣，如果事務(wù)能夠堅(jiān)持到客戶端發(fā)起提交請(qǐng)求命令的那個(gè)時(shí)候，那么這個(gè)事務(wù)就總能被提交。因此在兩階段提交協(xié)議中，正常情況下參與者都會(huì)同意提交，唯一一種不同意提交的情況是參與者在事務(wù)執(zhí)行過(guò)程中曾經(jīng)崩潰過(guò)。

樂(lè)觀并發(fā)控制

加鎖機(jī)制這一類(lèi)悲觀并發(fā)控制有許多明顯的缺陷：

鎖的維護(hù)帶來(lái)了很多新的開(kāi)銷(xiāo)。這些開(kāi)銷(xiāo)在不支持對(duì)共享數(shù)據(jù)并發(fā)訪問(wèn)的系統(tǒng)中是不存在的。即使是只讀事務(wù)（如查詢），就算這一類(lèi)事務(wù)不會(huì)改變數(shù)據(jù)的完整性，卻仍然需要利用鎖來(lái)保證數(shù)據(jù)在讀取過(guò)程中不會(huì)被其他事務(wù)修改，然而鎖卻只在最極端的情況下才會(huì)發(fā)揮作用。
鎖機(jī)制非常容易引發(fā)死鎖。預(yù)防死鎖會(huì)嚴(yán)重降低并發(fā)度，因此必須利用超時(shí)或者死鎖檢測(cè)來(lái)解除死鎖，但這些死鎖解除方案對(duì)于交互式的程序來(lái)說(shuō)并不是很理想。
鎖周期過(guò)長(zhǎng)。為了避免事務(wù)的連鎖（雪崩）放棄，鎖必須保留到事務(wù)結(jié)束之時(shí)才能釋放，這再一次嚴(yán)重降低了系統(tǒng)的并發(fā)度。

由于鎖這一類(lèi)的悲觀并發(fā)控制有上述的種種弊端，因此研究者們提出了另一種樂(lè)觀并發(fā)控制的機(jī)制，以求規(guī)避鎖機(jī)制的天然缺陷，研究者們發(fā)現(xiàn)這樣的一個(gè)現(xiàn)象：在大多數(shù)應(yīng)用中兩個(gè)客戶端事務(wù)訪問(wèn)同一個(gè)資源對(duì)象的可能性其實(shí)很低，事務(wù)總是能夠成功執(zhí)行，就好像事務(wù)之間不存在沖突一樣。

所以事務(wù)的樂(lè)觀并發(fā)控制的基本思路就是：各個(gè)并發(fā)事務(wù)只有在執(zhí)行完成之后并且發(fā)出 closeTransaction 請(qǐng)求時(shí)，再去檢測(cè)是否有沖突，如果確實(shí)存在沖突，那么就放棄一些事務(wù)，然后讓客戶端重新啟動(dòng)這些事務(wù)進(jìn)行重試。

在樂(lè)觀并發(fā)控制中，每個(gè)事務(wù)在提交之前都必須進(jìn)行驗(yàn)證。事務(wù)在驗(yàn)證開(kāi)始時(shí)首先要附加一個(gè)事務(wù)號(hào)，事務(wù)的串行化就是根據(jù)這些事務(wù)號(hào)的順序?qū)崿F(xiàn)的。分布式事務(wù)的驗(yàn)證由一組獨(dú)立的服務(wù)器節(jié)點(diǎn)共同完成，每個(gè)服務(wù)器節(jié)點(diǎn)驗(yàn)證訪問(wèn)自己資源對(duì)象的事務(wù)。這些驗(yàn)證在兩階段提交協(xié)議的第一個(gè)階段進(jìn)行。

關(guān)于分布式事務(wù)的并發(fā)控制就暫時(shí)介紹到這里，如果想要繼續(xù)深入學(xué)習(xí)更多并發(fā)控制的細(xì)節(jié)，可以深入閱讀《分布式系統(tǒng)：概念與設(shè)計(jì)》、《數(shù)據(jù)庫(kù)系統(tǒng)實(shí)現(xiàn)》和《數(shù)據(jù)庫(kù)系統(tǒng)概念》等書(shū)籍或者其他資料。

總結(jié)

本文通過(guò)講解 BASE 原則、兩階段原子提交協(xié)議、三階段原子提交協(xié)議、Paxos/Multi-Paxos 分布式共識(shí)算法的原理與證明、Raft 分布式共識(shí)算法和分布式事務(wù)的并發(fā)控制等內(nèi)容，為讀者全面而又深入地講解分析了分布式事務(wù)/系統(tǒng)的底層核心原理，特別是通過(guò)對(duì)原子提交協(xié)議中的 2PC/3PC 的闡述和分析，以及對(duì)分布式共識(shí)算法 Paxos 的原理剖析和正確性的證明，最后還有對(duì)分布式事務(wù)中幾種并發(fā)控制的介紹，相信能夠讓讀者對(duì)分布式事務(wù)/系統(tǒng)底層的一致性和并發(fā)控制原理有一個(gè)深刻的認(rèn)知，對(duì)以后學(xué)習(xí)和理解分布式系統(tǒng)大有裨益。

本文不僅僅是簡(jiǎn)單地介紹分布式事務(wù)和分布式系統(tǒng)的底層原理，更是在介紹原理的同時(shí)，通過(guò)層層遞進(jìn)的方式引導(dǎo)讀者去真正地理解分布式系統(tǒng)的底層原理和設(shè)計(jì)思路，而非讓讀者死記硬背一些概念，所以希望通過(guò)這篇拋磚引玉的文章，能夠?qū)Ρ疚淖x者在以后學(xué)習(xí)、操作甚至是設(shè)計(jì)分布式系統(tǒng)以及分布式事務(wù)時(shí)的思路有所開(kāi)拓。

參考&延伸

ACID
Eventual consistency
Atomic commit
A Two-Phase Commit Protocol and its Performance
The PartTime Parliament
Paxos Made Simple
Fast Paxos
The Performance of Paxos and Fast Paxos
Paxos Made Live - An Engineering Perspective
Paxos (computer science)
The Chubby lock service for loosely-coupled distributed systems
Consensus on Transaction Commit
Life beyond Distributed Transactions: an Apostate’s Opinion
In Search of an Understandable Consensus Algorithm
Paxos lecture (Raft user study)
Distributed Systems: Concepts and Design
How to Build a Highly Available System Using Consensus
數(shù)學(xué)歸納法
共識(shí)算法
Distributed Transaction Processing: The XA Specification

References

[1] DTP Model: http://pubs.opengroup.org/onlinepubs/009680699/toc.pdf
[2] 《The PartTime Parliament》: https://lamport.azurewebsites.net/pubs/lamport-paxos.pdf
[3] 《Paxos Made Simple》: https://lamport.azurewebsites.net/pubs/paxos-simple.pdf
[4] 歸約: https://zh.wikipedia.org/wiki/%E6%AD%B8%E7%B4%84
[5] 《The PartTime Parliament》: https://lamport.azurewebsites.net/pubs/lamport-paxos.pdf
[6] 《The PartTime Parliament》: https://lamport.azurewebsites.net/pubs/lamport-paxos.pdf
[7] 《Paxos Made Simple》: https://lamport.azurewebsites.net/pubs/paxos-simple.pdf
[8] 《Paxos Made Simple》: https://lamport.azurewebsites.net/pubs/paxos-simple.pdf
[9] 《Paxos Made Live - An Engineering Perspective》: https://read.seas.harvard.edu/~kohler/class/08w-dsi/chandra07paxos.pdf
[10] Paxos lecture (Raft user study): https://www.youtube.com/watch?v=JEpsBg0AO6o
[11] 《Paxos Made Simple》: https://lamport.azurewebsites.net/pubs/paxos-simple.pdf
[12] 《Consensus on Transaction Commit》: https://lamport.azurewebsites.net/video/consensus-on-transaction-commit.pdf
[13] The Raft Consensus Algorithm: https://raft.github.io
[14] ACID: https://en.wikipedia.org/wiki/ACID
[15] Eventual consistency: https://en.wikipedia.org/wiki/Eventual_consistency
[16] Atomic commit: https://en.wikipedia.org/wiki/Atomic_commit
[17] A Two-Phase Commit Protocol and its Performance : https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=558282
[18] The PartTime Parliament: https://lamport.azurewebsites.net/pubs/lamport-paxos.pdf
[19] Paxos Made Simple: https://lamport.azurewebsites.net/pubs/paxos-simple.pdf
[20] Fast Paxos: https://www.microsoft.com/en-us/research/wp-content/uploads/2016/02/tr-2005-112.pdf
[21] The Performance of Paxos and Fast Paxos: https://arxiv.org/pdf/1308.1358.pdf
[22] Paxos Made Live - An Engineering Perspective: https://read.seas.harvard.edu/~kohler/class/08w-dsi/chandra07paxos.pdf
[23] Paxos (computer science): https://en.wikipedia.org/wiki/Paxos_(computer_science)
[24] The Chubby lock service for loosely-coupled distributed systems: https://static.googleusercontent.com/media/research.google.com/zh-CN//archive/chubby-osdi06.pdf
[25] Consensus on Transaction Commit: https://lamport.azurewebsites.net/video/consensus-on-transaction-commit.pdf
[26] Life beyond Distributed Transactions: an Apostate’s Opinion: https://www.ics.uci.edu/~cs223/papers/cidr07p15.pdf
[27] In Search of an Understandable Consensus Algorithm: https://raft.github.io/raft.pdf
[28] Paxos lecture (Raft user study): https://www.youtube.com/watch?v=JEpsBg0AO6o
[29] Distributed Systems: Concepts and Design: https://ce.guilan.ac.ir/images/other/soft/distribdystems.pdf
[30] How to Build a Highly Available System Using Consensus: https://www.microsoft.com/en-us/research/uploads/prod/1996/10/Acrobat-58-Copy.pdf
[31] 數(shù)學(xué)歸納法: https://zh.wikipedia.org/wiki/%E6%95%B0%E5%AD%A6%E5%BD%92%E7%BA%B3%E6%B3%95
[32] 共識(shí)算法: https://yeasy.gitbook.io/blockchain_guide/04_distributed_system/algorithms
[33] Distributed Transaction Processing: The XA Specification: https://pubs.opengroup.org/onlinepubs/009680699/toc.pdf