分布式系统和一致性
这篇文章我们谈及分布式系统的基本概念，分布式中一致性，还有共识算法
如果对网络编程，分布式系统已经有了解，会非常有助于理解一致性和共识算法的概念
分布式系统
在网络世界中，存在用户/服务器的连接，用户/用户的连接，服务器/服务器的连接
我们最常见也就是用户/服务器的方式了，如web服务器
网络的设计结构
- 第一层：用户表示层，浏览器页面的显示，涉及：html，xml
- 第二层：应用层，客户端，服务器的代码，称为应用服务层，如web服务（HTTP）
- 第三层：中间层，转换应用层代码，程序员在设计程序时，不用担心不同的操作系统和接口，代码跨平台。标准化的接口和协议
- 第四层：通信协议，规定了传送数据的接口和方式。如：TCP/IP
- 第五层：操作系统
- 第六层：硬件平台
在C/S的服务架构中，Srever一直是中心化的设置，在储存、性能上马上遇到了瓶颈。随后有了分布式的系统架构。有两种常用设计：
- 提高系统容量，垂直增大容量或者拆分业务，构建分布式架构
- 提高可用性，防止单点故障。所有的服务器保持高一致性，区块链就是这种设计
优点：模块化，允许服务重用度高
一致性
大前提：网络基本可靠，在网络不可靠的情况下，很难达成一致。
在分布式系统中，最难解决的就是一致性的问题。其实衡量分布式系统有三个指标，在Eric Brewer等大佬提出了，CAP理论。
一致性（Consistency）:所有节点在同一时刻能够看到同样的数据，也即“强一致性”；
可用性（Availability）：确保每个请求都可以收到确定其是否成功的响应；
分区容忍性（Partition tolerance）:因为网络故障导致的系统分区不影响系统正常运行。
一个分布式只能同时满足两个，不可能同时满足，这里我们讨论的是同步分布式系统。
因为有个叫做FLP定理，描述异步分布式系统，不存在达成一致性的共识算法，这里我也就不提了。
这三个属性用来衡量一个分布式系统的性能指标：
弱化一致性：
常常用于实时性要求不高的场景，不要求随时同步，具有高可用性，也就是速度块，如：静态页面；实时性不高的数据库
弱化可用性：保持高一致性，使用场景如银行ATM取钱，相关算法：Paxos，Raft
弱化分区容忍性：通过双通道，是网络稳定。
共识算法
为了解决一致性问题，科学家们想了很多方法
在几个世纪以前，虽然没有计算机，不存在分布式系统一致性的问题，但是城邦之间通信，为了达成一致，也是什么困难的一件，所以我们可以认为城邦之间达成一致，就是一致性问题的现实版
如果说真要解决实际问题，不光要考虑用什么方法传送数据达成共识。还要考虑通信中断，节点作恶，更可怕的是作恶节点还达成一致。遇到这样的情况，有什么算法在节点作恶的情况下，依然能达成一致么？
答案是肯定的，所谓的PBFT拜占庭容错算法，就是解决这类问题。如今，中本聪在吸收了PBFT后，创造了POW工作量证明算法。
共识算法分分类
- 拜占庭问题解决方案：PBFT POW DBFT
- 非拜占庭问题解决方案：RAFT PAXOS