前言
本文编写的目的：为了深入理解后期关于zookeeper的文章，本文这里对分布式一致性算法的由来以及要解决的问题做一个简述，更加深入的原理性东西后续将会以专辑的形式撰写 。另该文比较长，建议收藏阅读背景
本文编写的顺序:从集中式演化到分布式--->分布式出现的一些问题--->如何解决这些问题(即最重要的一致性问题)---->事务(保证一致性的方法)---->从早期的ACID到CAP/BASE理论---->2pc/3pc----->Paxos算法
20世纪60年代大型主机被发明出来以后，集中式的计算机系统架构成为了主流，其单机处理能力方面的优势非常明显，但从20世纪80年代之后，传统的集中式处理模式越来越不能满足人们的需求，同时集中式系统有明显的单点故障问题，从2008年开始，阿里开启了“去IOE”计划，后来逐渐的往分布式系统的方向发展 。分布式异常问题
分布式系统是一个硬件或软件组件分布在不同的网络计算机上，彼此之间仅仅通过消息传递进行通信和协调的系统 。因此分布式系统具有以下几个特点：
1.分布性
多台计算机在空间上随意分布，同时分布情况也会随时变动
2.对等性
集群中的每个节点角色都是一样的，注意副本的概念
3.并发性
多个机器可能会同时操作一个数据库或存储系统，可能会引起数据不一致问题
4.缺乏全局时钟
分布式系统中的多个主机事件先后顺序很难界定
5.故障总发生
服务器宕机，网络拥堵和延迟
同时和分布式系统进行对比发现集中式系统具有以下几个特点:
部署结构简单
成本高
单点故障
大型主机的性能扩展受限于摩尔定律
注意：这里要区分集群和分布式的概念，集群是指大量的机器做同一件事情；分布式是指每台机器都有不同的角色，做不同的事情
分布式系统体系结构从出现到现在仍有很多的问题，这里列出一些典型的问题衡量分布式系统的性能
1.通信异常
从集中式向分布式演变，必然会引入网络因素，由于网络的不可靠性，必然会在分布式节点之间出现网络 异常的情况
2.网络分区
网络分区也就是常说的脑裂，即出现多个局部小集群，每个局部网络可以互相通信
3.三态
三态指的是三种状态，即成功、失败、超时；在集中式系统中只有成功和失败，而超时是由于分布式系统中会出现网络异常才会有的状态
4.节点故障
分布式节点总会出现宕机或者僵死现象
5.数据丢失
对于有状态的节点，数据丢失意味着状态丢失，通常只能从其他节点读取，恢复存储的状态；通常针对这种问题，通过引入副本机制就可以解决
性能一致性模型
即系统吞吐能力、响应延迟、QPS等
可用性
可扩展性
一致性
分布式环境下，一致性指的是数据在多个副本之间是否能够保持一致的特性，对于一个将数据副本分布在不同节点的系统上来说，如果对一个节点的数据进行了更新操作，却没有使得第二个节点上的数据得到响应的更新，那么此时在读取第二个节点的数据时，将会出现脏读现象(即数据不一致).那么一致性又分为以下几种：
强一致性
即写操作完成后，读操作一定能够读到最新的数据，在分布式场景下，很难实现；Paxos、Quorum机制、ZAB协议能够实现,后面会对这几种协议算法进行讲解 。
【十分钟搞定分布式一致性算法】弱一致性
不承诺立即可以读到写入的值，也不承诺多久后能达到数据一致，但会尽可能保证某个时间级别后，数据达到一致状态
读写一致性
用户读取自己写入结果的一致性，保证用户能够第一时间看到自己更新的内容;这种实现的解决方案有:一种方案是对于特定的内容，我们去主库查询
设置一个更新时间窗口，在刚更新的一段时间内，默认去主库读取，过了这个窗口后，挑选最近更新的从库进行读取
直接记录用户更新的时间戳，在请求的时候把这个时间戳带上，凡是最后更新时间小于这个时间戳的从库都不响应
单调读一致性
本地读到的数据不比上次读到的旧，多次刷新返回旧数据会出现灵异事件，对于这种情况可以通过hash映射到同一台机器上
因果一致性
如果节点A在更新完某个数据后通知了节点B，那么节点B之后对该数据的访问和修改基于A更新的值 。此时，和节点A无因果关系的节点C的数据访问则没有这样的限制
推荐阅读
- 五分钟9步搞定nginx正向代理配置
- 分布式数据之缓存技术，今天就一起来揭开其神秘面纱
- 电脑蓝黑屏只会重启？3种方法教你轻松搞定，不花一分钱
- 据说让你抓狂的Nginx性能调优，我却这么轻松就搞定了
- MySQL还能实现分布式锁？
- 十分钟超有效瘦身瑜伽怎么做
- 「分布式计算」什么是严格一致性和最终一致性？
- 烂大街的Nginx+Redis分布式锁+MQ+MDB架构设计
- 「分布式架构」“一切都是分布式”说最终一致性
- 图解Raft：应该是最容易理解的分布式一致性算法
