分布式协议与算法（常用）_算法协议

01 | 拜占庭将军问题：有叛徒的情况下，如何才能达成共识？
解决办法一：口信消息型拜占庭问题之解
如果叛将人数为 m，将军人数不能少于 3m + 1 ，需要进行m+1轮作战信息协商，那么占庭将军问题就能解决了。这个算法有个前提，叛徒数量是已知的。

解决办法二：签名消息型拜占庭问题之解
在不增加将军数量的情况下，某个将军发送的作战信息一旦被修改就能被发现，从而执行另一个将军的作战计划

强调：拜占庭将军问题描述的是最困难的，也是最复杂的一种分布式故障场景，除了存在故障行为，还存在恶意行为的一个场景。
在存在恶意节点行为的场景中（比如在数字货币的区块链技术中），必须使用拜占庭容错算法（Byzantine FaultTolerance，BFT）。除了故事中提到两种算法，常用的拜占庭容错算法还有：PBFT 算法，PoW 算法，而在计算机分布式系统中，最常用的是非拜占庭容错算法，即故障容错算法（Crash FaultTolerance，CFT）。

CFT 解决的是分布式的系统中存在故障，但不存在恶意节点的场景下的共识问题。
也就是说，这个场景可能会丢失消息，或者有消息重复，但不存在错误消息，或者伪造消息的情况。常见的算法有 Paxos 算法、Raft 算法、ZAB 协议

02 | CAP理论：分布式系统的PH试纸，用它来测酸碱度
一致性（Consistency）：不管你访问哪个节点，要么我给你返回的都是绝对一致的数据，要么你都读取失败。
一致性强调的不是数据完整，而是各节点间的数据一致。
可用性（Availability）：我尽力给你返回数据，不会不响应你，但是我不保证每个节点给你的数据都是最新的。
这个指标强调的是服务可用，但不保证数据的一致。
分区容错性（Partition Tolerance）：不管我的内部出现什么样的数据同步问题，我会一直运行，提供服务。
这个指标，强调的是集群对分区故障的容错能力。

”CAP 不可能三角“怎么理解？
CAP 不可能三角说的是对于一个分布式系统而言，一致性（Consistency）、可用性（Availability）、分区容错性（Partition Tolerance）3 个指标不可兼得，只能在 3 个指标中选择 2 个。

总结：
CA 模型，在分布式系统中不存在。因为舍弃 P，意味着舍弃分布式系统，就比如单机版关系型数据库 MySQL，如果 MySQL 要考虑主备或集群部署时，它必须考虑 P。
CP 模型，采用 CP 模型的分布式系统，一旦因为消息丢失、延迟过高发生了网络分区，就影响用户的体验和业务的可用性。因为为了防止数据不一致，集群将拒绝新数据的写入