一、一致性问题
1. 定义与重要性
定义：指对于分布式系统中的多个服务节点，给定一系列操作，在约定协议的保障下，试图使得它们对处理结果达成“某种程度”的认同。
注意：一致性并不代表结果正确与否，而是系统对外呈现的状态一致与否；例如，所有节点都达成失败状态也是一种一致。
2. 问题与挑战
节点之间的网络通信是不可靠的，包括消息延迟、乱序和内容错误等；节点的处理时间无法保障，结果可能出现错误，甚至节点自身可能发生宕机；同步调用可以简化设计，但会严重降低分布式系统的可扩展性。
3. 一致性要求
可终止性：一致的结果在有限时间内能完成
约同性：不同节点最终完成决策的结果是相同的
合法性：决策的结果必须是某个节点提出的提案
4. 带约束的一致性
顺序一致性
线性一致性
二、共识算法
一致性往往指分布式系统中多个副本对外呈现的数据的状态。如前面提到的顺序一致性、线性一致性，描述了多个节点对数据状态的维护能力。而共识则描述了分布式系统中多个节点之间，彼此对某个状态达成一致结果的过程。因此，一致性描述的是结果状态，共识则是一种手段。
1. 问题与挑战
如通信网络会发生中断、节点会发生故障、甚至存在恶意节点故意要伪造消息，破坏系统的正常工作流程。
非拜占庭错误：也可以称为“故障错误”，即出现故障（不响应）但不会伪造信息的情况
拜占庭错误：伪造信息恶意响应的情况
2. 常见算法
根据解决的是非拜占庭的普通错误情况还是拜占庭错误情况，共识算法可以分为Crash Fault Tolerance（CFT）类算法和Byzantine Fault Tolerance（BFT）类算法。
3. 理论界限
即便在网络通信可靠情况下，可扩展的分布式系统的共识问题，其通用解法的理论下限是——没有下限（无解）
三、FLP不可能原理
1. 定义
FLP不可能原理： 在网络可靠，但允许节点失效（即便只有一个）的最小化异步模型系统中，不存在一个可以解决一致性问题的确定性共识算法（No completely asynchronous consensus protocol can tolerate even a single unannounced process death）。
2. 正确理解
FLP原理实际上说明对于允许节点失效情况下，纯粹异步系统无法确保一致性在有限时间内完成。
四、CAP原理
1. 定义
CAP原理：分布式计算系统不可能同时确保以下三个特性：一致性（Consistency）、可用性（Availability）和分区容忍性（Partition），设计中往往需要弱化对某个特性的保证。
2. 应用场景
既然CAP三种特性不可同时得到保障，则设计系统时必然要弱化对某个特性的支持。那么可能出现下面三个应用场景。
弱化一致性
弱化可用性
弱化分区容忍性
五、ACID原则
ACID原则描述了分布式数据库需要满足的一致性需求，同时允许付出可用性的代价。
ACID特征如下：
Atomicity：每次操作是原子的，要么成功，要么不执行；
Consistency：数据库的状态是一致的，无中间状态；
Isolation：各种操作彼此之间互相不影响；
Durability：状态的改变是持久的，不会失效。
与ACID相对的一个原则是BASE（Basic Availability，Soft-state，EventualConsistency）原则，牺牲掉对一致性的约束（但实现最终一致性），来换取一定的可用性。
六、Paxos算法和Raft算法
1. Paxos算法
单个提案者+多接受者：只有一个节点是提案者，其他节点投票，要么达成，要么失败。
多个提案者+单接受者：限定某个节点作为接受者。这种情况下，共识也很容易达成，接受者收到多个提案，选第一个提案作为决议，发送给其他提案者即可。
多个提案者+多接受者：
两阶段的提交：准备阶段和提交阶段
2. Raft算法
Raft算法包括三种角色：Leader（领导者）、Candidate（候选领导者）和Follower（跟随者），决策前通过选举一个全局的leader来简化后续的决策过程。Leader角色十分关键，决定日志（log）的提交。日志只能由Leader向Follower单向复制。
七、拜占庭问题与算法
拜占庭问题之所以难解，在于任何时候系统中都可能存在多个提案（因为提案成本很低），并且要完成最终一致性确认过程十分困难，容易受干扰。
比特币的区块链网络在设计时提出了创新的PoW（Proof of Work）概率算法思路，针对这两个环节进行了改进。
首先，限制一段时间内整个网络中出现提案的个数（通过增加提案成本）；其次是放宽对最终一致性确认的需求，约定好大家都确认并沿着已知最长的链进行拓展。系统的最终确认是概率意义上的存在。这样，即便有人试图恶意破坏，也会付出相应的经济代价（超过整体系统一半的计算力）。
八、可靠性指标
1. 几个9的指标
2. 两个核心时间，平均故障间隔时间（Mean Time Between Failures）、平均修复时间（Mean Time to Repair）
3. 提高可靠性
依靠单点实现的可靠性毕竟是有限的。要想进一步地提升，那就只好消灭单点，通过主从、多活等模式让多个节点集体完成原先单点的工作。这可以从概率意义上改善服务对外的整体可靠性，这也是分布式系统的一个重要用途。
