java分布式面试题-一致性问题

XA方案

2PC协议：两阶段提交协议，P是指准备阶段，C是指提交阶段

●准备阶段：询问是否可以开始，写Undo、Redo日志，收到响应;

●提交阶段：执行Redo日志进行Commit，执行Undo日志进行Rollback;

3PC协议：将提交阶段分为CanCommit、PreCommit、DoCommit三个阶段

CanCommit：发送canCommit请求，并开始等待;

PreCommit：收到全部Yes，写Undo、Redo日志。超时或者No，则中断;

DoCommit：执行Redo日志进行Commit，执行Undo日志进行Rollback;

区别是第二步，参与者自身增加了超时，如果失败可以及时释放资源。

Paxos算法

如何在一个发生异常的分布式系统中，快速且正确地在集群内部对某个数据的值达成一致。

参与者(例如Kafka)的一致性可以由协调者(例如Zookeeper)来保证，协调者的一致性就只能由Paxos保证了

Paxos算法中的角色：

●Client：客户端、例如，对分布式文件服务器中文件的写请求。

●Proposer：提案发起者，根据Accept返回选择最大N对应的V，发送[N+1,V]

●Acceptor：决策者，Accept以后会拒绝小于N的提案，并把自己的[N,V]返回给Proposer

●Learners：最终决策的学习者、学习者充当该协议的复制因素

面试题：如何保证Paxos算法活性

假设存在这样一种极端情况，有两个Proposer依次提出了一系列编号递增的提案，导致最终陷入死循环，没有value被选定：

●通过选取主Proposer，规定只有主Proposer才能提出议案。只要主Proposer和过半的Acceptor能够正常网络通信，主Proposer提出一个编号更高的提案，该提案终将会被批准;

●每个Proposer发送提交提案的时间设置为一段时间内随机，保证不会一直死循环;

Raft算法

Raft 是一种为了管理复制日志的一致性算法

Raft使用心跳机制来触发选举。当server启动时，初始状态都是follower。每一个server都有一个定时器，超时时间为election timeout(一般为150-300ms)，如果某server没有超时的情况下收到来自领导者或者候选者的任何消息，定时器重启，如果超时，它就开始一次选举。

Leader异常：异常期间Follower会超时选举，完成后Leader比较彼此步长

Follower异常：恢复后直接同步至Leader当前状态

多个Candidate：选举时失败，失败后超时继续选举