分布式选举算法

1.分布式基本理论

• cap理论：
   
  consistency： 一致性
   
  availablity：可用性
   
  partition tolerance： 分区容错
   
  分布式服务在系统出现一定故障的时候，还可以对外提供服务。基本所有分布式系统都可以满足此要求。c和a之间存在矛盾，如果追求一致性就需要抛弃可用性，如果追求可用性，数据一致性就不会被满足。
   
• base理论：
   
  basic available：基本可用
   
  softstatue： 软状态
   
  eventually： 最终一致性
   
  系统可以处于一致性中间状态，但可用，系统可以达到最终一致性状态，其实现方法可以使用基于消息中间件+定时任务补发消息来实现。
   

2.分布式一致性算法

 
    在cap理论中，如果保证数据强一致性，就需要所有副本同步主节点的所有数据，在数据同步过程中，对外不可用，在所有分布式一致性算法中，解决此的思想是大多数副本同步（一般都是过半）主节点的数据后，主节点就可以使用对客户端进行相应。
 

• basic paxos算法
   
  basic paxos算法有prepare、accept和learn三个阶段，以及提案者，决策者和学习者。
   
  prepare阶段：提案者发出请求到过半的决策者，请求中携带生成的全局唯一递增id,该id可以是时间戳+机器id。
   
  accept阶段：决策者接收到提案者的id信息后，通过比较保存的id和请求的id大小，如果请求的id大于保存的id，就会把保存中的最大的id及对应的提案值作为响应发送给提案者。而且之后决策者会拒绝所有id小于当前的id的提案请求，只接受大于当前id的请求。当提案者接收到决策者过半的响应后，就会在所有响应中获取最大id的提案值作为提案值，发送给过半决策者，此过半决策者可以与提案决策者不同，决策者收到请求后，就会提交请求。
   
  learn阶段：所有learner同步决策者的数据。具体方式可以是每一个learner去请求accept，也可以所有learner选择一个主learner，主learner同步accept的数据，其他learner同步主learner。

   
  上述paxos算法是basic paxos算法，如果有多个提案者，就会导致活锁问题。为了解决此问题，提出只有一个主提案者，在多个提案者中，先选择一个主提案者，所有的提案都由该主提案者进行提交。
   

• Raft算法
   
  leader选举
   
  日志同步
   

• zab算法
   

  • 启动选举leader
    每台机器发送(myid，zxid)到别的机器，别的机器检查是否是在选举过程中，然后比较zxid，投票给zxid大的，如果zxid相同就投票给myid大的，等到有机器接收到一半以上的投票后即成为leader

 

• 运行中选举
  逻辑大致同启动时选举leader,只不过换成sid和zxid，过半投票机制。然后再同步数据。

 

• kafka 选举
   
  isr列表
   
  高水位HW
   
  过半机制