目錄
一、一致性問題
1、定義
2、挑戰
3、一致性的要求
4、帶約束的一致性
二、共識演算法
1、問題與挑戰
2、常見演算法
區塊鏈系統是一個典型的分布式系統，必然會存在分布式架構面臨的問題與挑戰，涉及一致性、共識等方面，
一、一致性問題
隨著業務場景越來越復雜，計算規模越來越龐大，單點系統很難滿足可拓展性和高容錯兩方面的需求，此時就需要多臺服務器組成集群系統，但集群系統要實作一致性絕非易事，
1、定義
一致性（consistency）在分布式系統領域指的是對于多個服務節點，給定一系列操作，在約定協議的保障下，使得它們對處理結果達成“某種程度”的協同，
傳統分布式系統中討論一致性，往往是指在外部任意發起請求（如向多個節點發送不同請求）的情況下，確保系統內的大部分節點實際處理請求序列的一致，即對請求進行全域排序，
一致性關注的是系統呈現的狀態，并不關注結果是否正確，
2、挑戰
- 節點完成請求的時間無法保障，處理結果可能是錯誤的，節點甚至可能隨時發生故障
- 為了實作可拓展性，集群系統往往采用異步設計，依靠網路訊息互動，這意味著不可預測的通信延遲、丟失或錯誤
現代分布式系統處理一致性問題的基礎思路中的核心思想，都是將可能引發不一致的并行操作進行串行化，
3、一致性的要求
- 可終止性（termination），指一致的結果在有限時間內能完成，意味著可以保障提供服務（liveness），這是計算機系統可以被正確使用的前提，
- 約同性（agreement），指不同的節點最終完成的決策的結果是相同的，這看似容易，實際上暗含了一些潛在資訊，決策的結果相同，意味著演算法要么不給出結果，要么給出的結果是已經達成共識的，真正的挑戰在于演算法要考慮可能出現的任意情形，其中，事件發生的先后順序（邏輯時鐘）十分重要，確定了順序，就可以消除分歧，因此解決分布式系統領域許多問題的核心秘訣就是：把不同時空發生的多個事件進行全域唯一排序，而且這個順序是大家認可的，然而，計算機系統的時鐘誤差比較大，不能夠據此來進行排序，這就造成了分布式系統中達成一致順序非常困難，
- 合法性（validity），指決策的結果必須是某個節點提出的提案，即達成的結果必須是節點執行操作的結果，
4、帶約束的一致性
實際上，越強的一致性要求往往意味著越弱的處理性能，以及越差的可拓展性，根據實際需求的不同，可以選擇不同強度的一致性，包括強一致性（strong consistency）和弱一致性（weak consistency），
強一致性主要包括：
- 順序一致性（sequential consistency），又叫因果一致性，所有的行程看到的全域執行順序（total order）一致（否則資料副本不一致）；并且每個行程看自身操作的順序（local order）跟實際發生順序一致，它實際上限制了各行程內指令的偏序關系，但不在行程間按照物理時間進行全域排序，屬于實踐中可行的最強保證，
- 線性一致性（linearizability consistency），是一種更強的保證，在順序一致性的前提下加強了行程間的操作排序，形成理想化的全域順序，性能差，
強一致性往往比較難實作，且很多場景對于一致性的需求沒有那么強，例如在一定約束下實作所謂的最終一致性（eventual consistency），即總會存在一個時刻，讓系統達到一致的狀態，這種在某些方面榷訓的一致性都籠統的稱為弱一致性，
二、共識演算法
共識演算法解決的是分布式系統中大部分節點對于某個提案（proposal）達成一致的程序，而一致性在分布式系統領域中指的是多個副本對外呈現的狀態，因此，達成了某種共識并不意味著就保障了一致性，實踐中，要保障系統滿足不同程度的一致性，往往需要通過共識演算法來達成，
提案可以指多個事件發生的順序、某個鍵對應的值、主節點的選取等，其含義非常寬泛，
1、問題與挑戰
達成共識需要解決兩個基本問題：
- 如何提出一個待共識的提案？
- 如何讓多個節點對該提案達成共識？
實際情況中，不同節點之間存在通信延遲，任意環節都可能存在故障，如網路通信中斷、節點故障、資訊偽造等，
通常，把出現故障（crash或fail-stop，即不回應）但不會偽造資訊的情況稱為“非拜占庭錯誤（non-byzantine fault）”或“故障錯誤（crash fault）”；偽造資訊回應的情況稱為“拜占庭錯誤（byzantine fault）”，對應節點為拜占庭節點，
當存在一定信任的前提下（如介入節點可信、節點性能穩定等），達成共識相對容易，共識性能越高；反之，在不可信的場景下，達成共識的成本較高，性能也較差，
2、常見演算法
根據解決的場景是否允許拜占庭錯誤情況，共識演算法可以分為 Crash Fault Tolerance (CFT) 和 Byzantine Fault Tolerance（BFT）兩類，
對于非拜占庭錯誤的情況，已經存在不少經典的演算法，包括 Paxos（1990 年）、Raft（2014 年）及其變種等，這類容錯演算法往往性能比較好，處理較快，容忍不超過一半的故障節點，
對于要能容忍拜占庭錯誤的情況，包括 PBFT（Practical Byzantine Fault Tolerance，1999 年）為代表的確定性系列演算法、PoW（1997 年）為代表的概率演算法等，確定性演算法一旦達成共識就不可逆轉，即共識是最終結果；而概率類演算法的共識結果則是臨時的，隨著時間推移或某種強化，共識結果被推翻的概率越來越小，最終成為事實上結果，拜占庭類容錯演算法往往性能較差，容忍不超過 1/3 的故障節點，
此外，XFT（Cross Fault Tolerance，2015 年）等最近提出的改進演算法可以提供類似 CFT 的處理回應速度，并能在大多數節點正常作業時提供 BFT 保障，
Algorand 演算法（2017 年）基于 PBFT 進行改進，通過引入可驗證隨機函式解決了提案選擇的問題，理論上可以在容忍拜占庭錯誤的前提下實作更好的性能（1000+ TPS），
轉載請註明出處，本文鏈接：https://www.uj5u.com/qukuanlian/254800.html
標籤：區塊鏈