2019.9.5-6 snapshots, multicast, paxos, leader election和mutual exclusion

把這兩天看的兩章一塊兒說一下。

第五章，先是講snapshots就是快照，具體就是Chandy-Lamport算法，快照就是把一個分佈式系統以不少斷點（marker）爲間隔記錄下系統的狀態，包括單個進程本身的狀態以及不一樣進程之間的狀態，保存這些可能能夠用來進行錯誤處理之類的事情。

　　　　算法具體流程是啥呢，就是由某個進程向其餘進程發送marker，其餘進程接收並視狀況回信，而後紀錄本身的系統狀態...具體內容能夠看這裏https://zhuanlan.zhihu.com/p/53482103

 

　　　　而後是multicast，其實以前提過這個，中文叫組播，就是一個進程對系統內的一組進程傳遞消息，對應「廣播」（broadcast），也就是對全部成員都發送消息。有幾種類型的multicast算法，好比fifo，casual什麼的，casual就是知足lamport時間戳那種因果一致性的要求的。這一篇講的能夠看一下，比較形象https://www.cnblogs.com/hzmark/p/consistency_model.html，還有這個講得更清楚些https://blog.csdn.net/aigoogle/article/details/43271185。

 

　　　   最後是講consensus，咱們熟悉的paxos啊raft啊都是指這個問題，consensus就是指對於一個分佈式系統中的全部進程，要以某種方式保證它們產生同一個結果。這被證實是不可能的，不過經過paxos之類的算法能夠盡最大可能的保證一致性。像failure dection和leader election這類問題實際上是和consensus問題等價的。

　　　　paxos能夠提供完整的safety和較大程度的liveness。對於一個系統來講safety的意思大致是，不會有壞事發生，好比各進程決策不一致。liveness意思就是最終必定會有好事發生，好比最後必定會選出一個leader。而後三哥很是簡略的講了下paxos的內容，由於實在過於簡略因此沒啥可說的，後面raft的時候再總結吧。

 

第六章，先是leader elcetion。分佈式系統裏須要一個leader，用做讀寫之類的操做，也能夠把調度放在leader機器裏面。因此就須要各進程選出一個leader，而後講了一個ring leader election的算法，其實很簡單，就是各進程組成一個環，而後沿着換互相交換某種屬性，最後能獲得一個最強的，那麼最強的天然就當領導了。具體內容這裏能夠看看http://www.javashuo.com/article/p-twswmitg-ee.html。講了兩個工業中用到的選舉算法，chubby和zookeeper，講的都很簡略，前面那個連接也有講。

 

　　　　而後講 Mutual Exclusion，就是進程互斥，爲何要進程互斥呢，就跟單系統的狀況同樣，由於不一樣的進程可能想要執行同一件事情，那麼同步執行的時候可能出問題。這個單系統的進程互斥咱們很熟悉了，就加鎖就完事了，分佈式系統的話其實也差很少，同樣很簡明，一個最簡單的算法就是選舉出一個leader，由這個leader持有一個token，而後每一個進程若是運行某段代碼的話就要像leader索要token，只有有token的程序才能執行這一段。

　　　　另外一個算法是ringed  Mutual Exclusion，就是並無leader，全部進程組成圓桌輪流持有token，每一個人接到token後都檢查一下本身想不想執行，不想的話就日後傳。感受這兩種算法就是自由和平等之間的區別（。。）

　　　　Ricart-Agrawala's Algorithm相對複雜一些，它沒有token而是利用了lamport timstamp，性能比前兩種好一些可是很佔帶寬，由於這個算法中每兩個進程之間都要通訊確認狀態。有一種Maekawa's Algorithm在此基礎上改善了帶寬，可是具體什麼原理我懶得聽了...

　　　　固然，現實中用的Mutual Exclusion都不是上面那幾種，因此瞭解瞭解就好...