一、Paxos是什么

在分布式系统中保证多副本数据强一致性算法。

没有paxos的一堆机器, 叫做分布式

有paxos协同的一堆机器, 叫分布式系统

这个世界上只有一种一致性算法，那就是Paxos … - Google Chubby的作者Mike Burrows

其他一致性算法都可以看做Paxos在实现中的变体和扩展，比如raft。

二、先从复制算法说起

防止数据丢失，所以需要数据进行复制备份

2.1 主从异步复制





主节点接到写请求，主节点写本磁盘，主节点应答OK，主节点复制数据到从节点

如果数据在数据复制到从节点之前损坏，数据丢失。

2.2 主从同步复制





主节点接到写请求，主节点复制日志到所有从节点，从节点可能会阻塞，客户端一直等待应答，直到所有从节点返回

一个节点失联导致整个系统不可用，整个可用性的可用性比较低

2.3 主从半同步复制





主接到写请求，主复制日志到从库，从库可能阻塞，如果1~N个从库返回OK，客户端返回OK

可靠性和可用性得到了保障，但是可能任何从库都没有完整数据

2.4 多数派写读

往一个主接节点写入貌似都会出现问题，那我们尝试一下往多个节点写入，舍弃主节点。



客户端写入 W >= N / 2 + 1 个节点, 读需要 W + R > N, R >= N / 2 + 1，可以容忍 （N - 1）/ 2 个节点损坏

最后一次写入覆盖先前写入，需要一个全局有序时间戳。

多数派写可能会出现什么问题？怎么解决这些问题呢？

三、从多数派到Paxos的推导

假想一个存储系统，满足以下条件：

1. 有三个存储节点 2. 使用多数派写策略 3. 假定只存储一个变量i 4. 变量i的每次更新对应多个版本，i1，i2, i3..... 5. 该存储系统支持三个命令： 1. get 命令，读取最新的变量i，对应多数派读 2. set <n> 命令，设置下版本的变量i的值<n>，直接对应的多数派写 3. inc <n> 命令, 对变量i增加<n>,也生成一个新版本，简单的事务型操作

3.1 inc的实现描述





1. 从多数中读取变量i，i当前版本1

2. 进行计算，i2 = i1 + n，i变更，版本+1

3. 多数派写i2，写入i,当前版本2

4. 获取i，最新版本是2

这种实现方式存在一下问题：

如果2个并发的客户端同时进行inc操作，必然会产生Y客户端覆盖X客户端的问题，从而产生数据更新丢失





假设X，Y两个客户端，X客户端执行命令inc 1，Y客户端执行inc 2，我们期望最终变量i会加3

但是实际上会出现并发冲突

1. X客户端读取到变量i版本1的值是2

2. 同时客户端Y读取到变量i版本1的值也是2

3. X客户端执行i1 + 1 = 3,Y客户端执行i1 + 2 = 4

4. X执行多数派写，变量i版本2的值是2，进行写入（假定X客户端先执行）

5. Y执行多数派写，变量i版本2的值是4，进行写入（如果Y成功，会把X写入的值覆盖掉）

所以Y写入操作必须失败，不能让X写入的值丢失。但是该怎么去做呢？

3.2 解决多数派写入冲突

我们发现，客户端X，Y写入的都是变量i的版本2，那我们是不是可以增加一个约束：

整个系统对变量i的某个版本，只能有一次写入成功。

也就是说，一个值（一个变量的一个版本）被确定（客户端接到OK后）就不允许被修改了。

怎么确定一个值被写入了呢？在X或者Y写之前先做一次多数派读，以便确认是否有其他客户端进程在写了，如果有，则放弃。



客户端X在执行多数派写之前，先执行一个多数派读，在要写入的节点上标识一下客户端X准备进行写入，这样其他客户端执行的时候看到有X进行写入就要放弃。

但是忽略了一个问题，就是客户端Y写之前也会执行多数派读，那么就会演变成X，Y都执行多数派读的时候当时没有客户端在写，然后在相应节点打上自己要写的标识，这样也会出现数据覆盖。





3.3 逐步发现的真相

既然让客户端自己标识会出现数据丢失问题，那我们可以让节点来记住最后一个做过写前读取的进程，并且只允许最后一个完成写前读取的进程进行后续写入，拒绝之前做过写前读取进行的写入权限。





X，Y同时进行写前读取的时候，节点记录最后执行一个执行的客户端，然后只允许最后一个客户端进行写入操作。

使用这个策略变量i的每个版本可以被安全的存储。

然后Leslie Lamport写了一篇论文，并且获得了图灵奖。

四、重新描述一下Paxos的过程（Classic Paxos）

使用2轮RPC来确定一个值，一个值确定之后不能被修改，算法中角色描述：

•Proposer 客户端

•Acceptor 可以理解为存储节点

•Quorum 在99%的场景里都是指多数派, 也就是半数以上的Acceptor

•Round 用来标识一次paxos算法实例, 每个round是2次多数派读写: 算法描述里分别用phase-1和phase-2标识. 同时为了简单和明确, 算法中也规定了每个Proposer都必须生成全局单调递增的round, 这样round既能用来区分先后也能用来区分不同的Proposer(客户端).

4.1 Proposer请求使用的请求

// 阶段一 请求
class RequestPhase1 {
    int rnd; // 递增的全局唯一的编号，可以区分Proposer
}

// 阶段二 请求
class RequestPhase2 {
     int rnd;    // 递增的全局唯一的编号，可以区分Proposer
     Object v;   // 要写入的值
 }

4.2 Acceptor 存储使用的应答

// 阶段一 应答 
class ResponsePhase1 { 
    int last_rnd; // Acceptor 记住的最后一次写前读取的Proposer，以此来决定那个Proposer可以写入
    Object v;     // 最后被写入的值
    int vrnd;     // 跟v是一对，记录了在哪个rnd中v被写入了
}

// 阶段二 应答
class ResponsePhase2 { 
    boolean ok;
}

4.3 步骤描述

阶段一





当Acceptor收到phase-1的请求时:

● 如果请求中rnd比Acceptor的last_rnd小，则拒绝请求

● 将请求中的rnd保存到本地的last_rnd. 从此这个Acceptor只接受带有这个last_rnd的phase-2请求。

● 返回应答，带上自己之前的last_rnd和之前已接受的v.

当Proposer收到Acceptor发回的应答:

● 如果应答中的last_rnd大于发出的rnd: 退出.

● 从所有应答中选择vrnd最大的v: 不能改变(可能)已经确定的值，需要把其他节点进行一次补偿

● 如果所有应答的v都是空或者所有节点返回v和vrnd是一致的，可以选择自己要写入v.

● 如果应答不够多数派，退出

阶段二：





Proposer:

发送phase-2，带上rnd和上一步决定的v

Acceptor:

● 拒绝rnd不等于Acceptor的last_rnd的请求

● 将phase-2请求中的v写入本地，记此v为‘已接受的值’

● last_rnd==rnd 保证没有其他Proposer在此过程中写入 过其他值

4.4 例子

无冲突：





有冲突的情况，不会改变写入的值





客户端X写入失败，因此重新进行2轮PRC进行重新写入，相当于做了一次补偿，从而使系统最终一致



五、问题及改进

活锁（Livelock）： 多个Proposer并发对1个值运行paxos的时候，可能会互 相覆盖对方的rnd，然后提升自己的rnd再次尝试，然后再次产生冲突，一直无法完成

然后后续演化各种优化：

multi-paxos：用一次rpc为多个paxos实例运行phase-1

fast-paxos：增加quorum的数量来达到一次rpc就能达成一致的目的. 如果fast-paxos没能在一次rpc达成一致, 则要退化到classic paxos.

raft: leader, term，index等等..

六、参考

1. 文章主要来自博客：https://blog.openacid.com/algo/paxos/

2. 一个基于Paxos的KV存储的实现：https://github.com/openacid/paxoskv

3. Paxos论文：https://lamport.azurewebsites.net/pubs/paxos-simple.pdf