海量存储之十七--一致性和高可用专题

——-三段提交改———–

回顾上文，我们已经提到了，在两段提交协议里面有个“死等”的过程，那么我们来看看三段提交协议是怎么解决这个问题的，需要注意的是，3pc只是解决了死等问题，对脑裂没有贡献。用的也不多，我们只把它当做路边的小石头，理解了作为模型的一种，参考一下就行了。

               

                                               海量存储之十七--一致性和高可用专题

在这里，我要着重强调一下，3pc的假定是，你能确切的知道B是机器挂掉了，不是网络断开了（虽然在A看来，它无法区分这两种情况，我们在开始已经提到）。

3pc解决B在commit B这个阶段挂掉方法，是做两次通信。

增加了一次通信，叫pre commit【我们这里，因为B是跟随A的，不会在B出现写读冲突或者写写冲突，所以我们也可以减少B的一个prepare(canCommit)状态，我们把它叫做3pc!改!】

下面，让我来说明一下这个问题:

为了解决死等的问题，我们只有一种选择，就是让每次请求都有一个超时时间。也就意味着，每次请求都要有个计时器，计算多少时间以后，这个请求就算是超时了。

但是，光有超时是不够的，在上一篇文章里面也提到，在2pc改中，请求超时可能意味着B提交成功了，或者B提交失败了。这时候A是无所适从的，提交也不是，不提交也不是。

最简单的一种思路，其实大家经常用到：

大家还记得在有些影片里面，某大boss要参加一场鸿门宴，于是跟下面的将军说：“我现在要去参加鸿门宴，不一定能回来，我们约定一下，如果今天晚上10点我还没回来，你就给我带军队平了他们，给我报仇。”

这其实就是三段提交核心思想的真实写照，问题的关键就是约定延迟某时间后，最终双方就按照某种”先期约定”进行后面的操作。（在这个case，先期约定是对方出老千，我们出兵跟他拼命。在3pc内的先期约定是双方都算作提交成功）。

那么，在这延迟的时间内，其实是数据状态是混沌的（或者说量子态的？笑），10点前，这boss是死了啊？还是活着？没人知道，这种混沌只有被揭开盖子的那个时刻（发送doCommit()，doAbrot()，boss派人你双方和解了，boss派人告诉你快来救我），才会变成决定论的。

好，我们回到3pc上来。

在第一次通信（pre commit)的时候，A和B的先期约定是如果某个时间后两方都没有后续反馈，那么算作提交成功。这里需要注意的是，没有后续反馈的原因，在3pc理论里只是指B挂掉这种情况，【而不是】指网络出现问题这个情况。

这样，如果A机器发送pre commit这条信息，能够拿到这么几个反馈：

1.成功

2.失败

3.超时【超时的原因是B挂掉，不是网络断开】

而B呢？在收到precommit 这条信息之后，能够发送给A几种反馈

1.成功

2.失败

【这里要非常注意，是”没有”超时这个实际会发生的选项的，因为3pc协议是排除了网络超时这种情况的】

所以B的策略很简单，如果pre commit我反馈了成功给A,那么如果我发现在等待超时之后仍然没有获得A的提交或终止请求，那么我就提交。反之我就终止。

这里的等待超时，我们来看看可能由哪些问题引起：

1.因为A机器挂了，无法发送最终的提交或回滚命令给B

2.因为B机器挂了，没有收到A机器的提交或回滚命令。

再来看A这台协调机:

如果preCommit 得到了失败或超时的结果，那么我们可以立刻发送abort命令给所有人，这个命令可能有两种结果：

abort成功，那么整个事物回滚

abort失败，意味着B机器超时，已经提交。那么A机器也只能提交。

如果preCommit成功，那么为了加速提交过程，可以再发送一条commit命令给所有人，加速提交过程。

以上的过程就是3pc的核心思路，各位看官可以根据这个思路，去推断和补充这套协议的其他内容，我就不再细说了，因为其他推论如果不是真正要去实现，意义不大，关键是核心思路。

然后，我们来看看3pc的问题，其实，从我们讨论的过程中多次出现的东西，大家就能很容易的看出问题所在，他的假定实际上不是真实的双机或多机一致性场景，在这种场景里面，网络无响应也可能意味着网络隔离断开这种情况。但这种情况在3pc内是没有被考虑的。

所以也因为这样，我们只是需要了解这东西的一个简单思路就行了，不过，所有的思路在你未来的生活中，都可能会成为你解决问题的利器，所以，我还是把这种模型的核心思路写出来。给大家做个参考。

—–统一思想，做出统一决策———解决脑裂问题

我们刚才也提到，网络上经常会因为不可抗力造成思维上的隔阂，比如A机房和B机房之间的主干路由器挂掉了啊等等情况。那么，在这种情况下，有什么办法能够在这种时候，通过一种机制来选择应该听哪一组集群的呢？

问题在一致性问题的第一篇已经分析过了，所以我就不再重复了，只重复我们要做到的事情：”给定安全级别（美国被爆菊？火星人入侵？），保证服务可用性，并尽可能减少机器的消耗。”

我们也给出了一种最简单的模型，观察者模式：

                

                                                   海量存储之十七--一致性和高可用专题

这样似乎问题不就解决了嘛？你或许会这样想？呵呵，那你就错过最好玩的东西了。。

我们来看看，这是三台机器的情况，任意一台挂掉或者网络断掉，都可以保证结构不乱。

那么，如果我有10台机器，有更多机器可能“挂掉”更多网段可能断开，这时候你会怎么安排机器的角色和网络结构呢？

仔细想想，无论给你多少台机器，用observer模式，那么只要observer挂掉并且在{A}机房{B}机房的网络断开的情况下，系统会退化到脑裂问题上了。

那么，简单的思路是，给Observer加机器不就好了？问题来了，Observer如果有两台，你到底应该听谁的？这些Observer部署到哪些机房？哪个Observer是真正管事儿的？比如如果有两个Observer, {Observer C和Observer D}，各自为政，那么A机房正好问了Observer c，C说你是主机吧。然后B机房问了Observer D ,D说，你是主机吧。最后还是个脑裂的结局。。

怎么样？再给你来几台机器？晕不晕？

呵呵，我也不是难为大家，而是这些情况会实际的发生在一致性和高可用的整个过程里面。

然后，我们能做的事情是什么？只好去找现实中的解决方法了。。

让我们来吐槽一下Lamport.. 不得不说，这大神是个很好的数学家，但写的Paxos论文你妹怎么就这么晦涩呢？本来很简单的一个思路，让他描述一下我是看了很久没看懂啊- -。。最后还是得看in simple才勉强弄明白。。

不过，paxos的论文文章其实也正披露了他思路的核心来源：

信使就是消息传递，也就是通过网络将消息传递给其他人的机制。类似的机制还有人通过空气传递语言给其他人，作家通过文字将情感传递给读者，这些都是消息传递。所以也会有像我们李雷，韩梅梅关电灯一样的几种反馈。

然后，Lamport大神还提到了一个重要的概念：议会。一看parliament，估计中国人就都晕了：这是嘛？我们伟大光荣正确的领路人的所有决议不都全票通过了么，也没讨论什么的。和paxos有神马关系？。

其实这就是个悲哀了。。。在古希腊城邦时代，很多决议就是议会讨论并作出决议的。

这种作出决议的方式，叫做“少数服从多数”。

当然当然，你也可以说，不是说有多数派暴政么？不是说多数派更多的是《乌合之众》么？其实这也没办法的事情，所以丘吉尔才会说：“民主并不是什么好东西，但它是我们迄今为止所能找到的最不坏的一种。”

我们就来看看，我们为什么需要少数服从多数这个原则

我之后的讨论，纯粹的是在机器和机器之间做出决策所需，在实际的zz过程中，环境远比大家想想的复杂得多，变数很大，但作为计算机，所有的东西其实都是可预期的，所以我们还是回到计算机科学领域。

假定有两个机房，A机房和B机房，A机房有5台机器，B机房有3台机器。他们的网络被物理隔离了。我们来看看我们有哪些选择：

1.A，B机房独立的都可以提供服务。

这种方式明显是不靠谱的，会出现不可逆转的不一致问题。咔嚓掉。

2.A，B机房都不可以提供服务

合理的方式，有些场景的时候会选择这种情况。但明显在高可用上面是0分，只保持了一致性而已。

3.让A机房的机器服务。

好吧。你真的认为剩下三台机器提供服务的安全性比5台的高？。。

4.让B机房的机器服务。

“民主并不是什么好东西，但它是我们迄今为止所能找到的最不坏的一种。”

这就是qurom产生的核心原因。

今天到这，后面我们会讨论paxos的一些细节，散会~