首先什麼是一致性？ 一致性就是分散式系統中相互獨立多個節點就某個值達成一致。 具體可分為強一致性和弱一致性。 強一致性：在任意時刻，所有節點中的數據是一樣的。同一時間點，你在節點A中獲取到key1的值與在節點B中獲取到key1的值應該都是一樣的。 弱一致性：不保證任意時刻所有節點數據一樣，有很多不同 ...
首先什麼是一致性？
一致性就是分散式系統中相互獨立多個節點就某個值達成一致。
具體可分為強一致性和弱一致性。
強一致性：在任意時刻，所有節點中的數據是一樣的。同一時間點，你在節點A中獲取到key1的值與在節點B中獲取到key1的值應該都是一樣的。
弱一致性：不保證任意時刻所有節點數據一樣，有很多不同實現。最廣泛實現的是最終一致性。所謂最終一致性，就是不保證在任意時刻任意節點上的同一份數據都是相同的，但是隨著時間的遷移，不同節點上的同一份數據總是在向趨同的方向變化。也可以簡單的理解為在一段時間後，節點間的數據會最終達到一致狀態。
分散式一致性的應用場景：
多節點提供讀寫服務，保證高可用性，可伸縮性（ZooKeeper，DNS，redis集群）
分散式系統面臨的問題：
* 消息傳遞非同步無序(asynchronous): 現實網路不是一個可靠的通道，存在消息延時、丟失，節點間消息傳遞做不到同步有序(synchronous)
* 節點宕機(fail-stop): 節點持續宕機，不會恢復
* 節點宕機恢復(fail-recover): 節點宕機一段時間後恢復，在分散式系統中最常見
* 網路分化(network partition): 網路鏈路出現問題，將N個節點隔離成多個部分
* 拜占庭將軍問題(byzantine failure)[2]: 節點或宕機或邏輯失敗，甚至不按套路出牌拋出干擾決議的信息
而需要滿足一致性的分散式系統設計一般前提是無拜占庭將軍問題（內網可信）
此處要提到分散式系統的基礎理論，FLP定理，即當只在節點宕機的模型中，不能同時滿足可用性和強一致性。它的另一個角度提法是CAP理論，即強一致性、可用性和分區容錯性，只能保證其中2個。
保證一致性的協議有很多，包括2PC，3PC，Paxos，raft和PacificA。
2PC：2階段鎖提交協議，保證多個數據分片上操作的原子性。（分散式事務）
節點分為協調者（coordinator）和參與者（participat），執行分為2個階段
階段一：coordinator發起一個提議，分別問詢各participant是否接受。Participate執行事務操作，將undo和redo信息寫入事務日誌，向coordinator回覆yes或no
階段二：coordinator根據participant的反饋，提交或中止事務，如果participant全部yes則提交，只要有一個participant回覆no就中止。Participate根據coordinator的commit/Rollback信息正式提交或終止事務，並釋放占用資源，返回ack。
優點：原理簡單、實現方便
缺點：同步阻塞、單點問題、數據不一致（協調者在未發送完commit請求前崩潰或網路原因部分participate沒收到commit，則部分participate無法進行事務提交）、太過保守（如果參與者在與協調者通信期間出現故障，協調者只能靠超時機制來判斷是否需要中斷事務）
3PC：3階段鎖提交協議，保證多個數據分片上操作的原子性。（分散式事務）
相對2PC，分為詢問，預提交，提交3個階段（解決阻塞，但還是可能數據不一致）
過程：coordinator接收完participant的反饋(vote)之後，進入階段2，給各個participant發送準備提交(prepare to commit)指令。participant接到準備提交指令後可以鎖資源，但要求相關操作必須可回滾。coordinator接收完確認(ACK)後進入階段3、進行commit/abort，3PC的階段3與2PC的階段2無異。協調者備份(coordinator watchdog)、狀態記錄(logging)同樣應用在3PC。
Paxos演算法（解決單點問題）
Paxos演算法是當前最重要的一致性演算法，所有一致性演算法都是paxos或是paxos的簡化版。
Paxos演算法解決多份相同數據就某個值達成一致。正確性證明的理論基礎：任意2個法定集合（超過半數節點組成的集合）的交集不為空。
角色：
從提案到表決流程涉及到三個角色：
* Proposer：提案者，可能有多個，它門負責提出提案。
* Acceptor：接受人，一定要有多個，它們對指定提案進行表決，同意則接受提案，不同意則拒絕。
* Learner：學習人，收集每位Acceptor接受的提案，並根據少數服從多數的原則，形成最終提案。
實際上，分散式系統中一個組件可以對應一種或多種角色。
演算法描述：
* 第一階段（Prepare階段）
Proposer：
* 選取提案編號n，並向大多數Acceptor發送攜帶編號n的prepare請求。
Acceptor：
* 如果收到的提案編號n比自己已經收到的編號都要大，則向Proposer承諾不再接收編號小於n的提案，如果之前接受過提案，則同時將接受的提案中編號最大的提案及其編號發給Proposer。
* 如果收到的提案編號n小於自己已經收到提案編號的最大值，則拒絕。
* 第二階段（Accept階段）
Proposer：
* 首先，對接收到響應，逐條處理：
* 如果接收到拒絕，則暫不處理。
* 如果接收到同意，同時還接收到Acceptor已經接受的提案，則記下該提案及編號。
* 處理完響應後，統計拒絕和同意個數：
* 如果大多數拒絕，則準備下次提案。
* 如果大多數同意，從這些Acceptor已經接受的提案中選取提案編號最大的提案作為自己的提案，沒有則使用自己的提案，逐個向Acceptor發送Accept消息。
Acceptor：
* 如果收到的提案編號n小於自己已經收到最大提案編號，則拒絕。
* 如果收到的提案編號n等於自己已經收到最大提案編號，則接受該提案。
* 如果收到的提案編號n大於自己已經收到最大提案編號，則拒絕。
* 形成共識（與Prepare&Accept階段並行）
Acceptor：
* 每當接受一個提案，則將該提案及編號發給Learner。
Learner：
* 記錄每一個Acceptor當前接受的提案，一個Acceptor先後發來多個提案，則保留編號最大的提案。
* 統計每個提案被接受的Acceptor個數，如果超過半數，則形成共識。
Raft和PacificA是基於paxos的簡化實現，更容易理解更容易實現。等看了再總結下
http://www.cnblogs.com/liulaoshi/p/7821339.html
參考文章：
https://segmentfault.com/a/1190000004474543
https://www.zhihu.com/question/19787937
http://www.cnblogs.com/bangerlee/p/5268485.html
http://www.voidcn.com/article/p-xvyhhccc-dm.html
