分布式最终一致性算法
发布时间：
2022-11-10
分布式最终一致性算法以Gossip算法为基础进行设计，Gossip算法具有简单和高效的特征，同时具有很好的可扩展性和鲁棒性，采用无中心化设计，能极大地避免集中式处理带来的资源占用过高问题。
基于Gossip的分发协议具有良好的扩展性和鲁棒性，适用于一致性要求不高场景中的同步信息。当一个节点要发送消息时，并不将消息发送给某个服务器，而是发送给一些随机选择的对等节点；这些节点收到消息后，重复同样过程，再将消息转发给随机选择的节点。本质上，Gossip协议是基于冗余和随机机制来克服潜在的节点和链路失效的。
目前，流行的Gossip模型是反熵模型。该模型中，节点P随机选取另一节点Q，并与Q交换更新信息。交换信息具体方法有以下3种：
①基于推（push）的方法：P仅将自身更新信息发送到Q；
②基于拉（pull）的方法：P仅从Q获得更新信息；
③基于推/拉（push/pull）的方法：P和Q相互发送更新信息给对方。
Gossip协议的冗余通信会对网络带宽和CPU资源带来巨大负载，这些负载限制了通信频率，通信频率又影响着算法收敛速度。因此，Gossip算法中应尽量避免冗余通信，减少负面影响。
针对Gossip协议存在冗余通信导致的通信带宽和CPU占用较多的问题，对Gossip协议的数据同步方式进行了改进，将强一致性算法获取的控制器节点信息注入Gossip协议中，减少Gossip协议的冗余通信。
Gossip为随机更新的策略，通过消息发出概率判断是否发送消息。针对策略的随机性，通过向其中引入最近更新时长、数据状态改变量等信息，影响消息发送的概率，加快数据一致性同步。
针对协议中的push/pull的信息交互，实现节点信息的一致性，设计通信协议消息。具体消息类型与流程如下：
（1）推送消息
将本节点数据摘要信息广播到对端，数据格式为（key，version）。
（2）接收信息
接收端收到推送消息中的摘要信息，对比本地信息与收到的摘要信息，将本地版本更新的数据以格式（key，value，version）推送到推送消息发送节点。
（3）反馈消息
节点收到返回的接收消息后，更新本地数据，并将比对端新的数据消息反馈到对端，对端依据反馈消息更新本地数据。
上一篇：
弹性通信网络认知面的工作原理
下一篇：
分布式强一致性算法
腾科IT教育
