第5章 容错与共识

1. 知识点论述

「5.1 为什么要容错」是《分布式计算系统》容错共识部分的核心知识点。回答故障后如何继续服务，以及如何在多数派下达成一致。本知识点首先把握：节点断电、磁盘损坏、网络分区都会发生。学习时请把它放回整门课主线——把独立计算机组织成对用户像一台机器的系统，并用通信、数据放置、复制、容错与调度把这件事做可靠。

2. 视频教程

为什么故障之后还要达成一致：共识算法的前生今世

3. 知识点详解

1. 节点断电、磁盘损坏、网络分区都会发生。
2. 目标：故障后自动恢复，同时继续提供服务。

1. 知识点论述

「5.2 故障类型」是《分布式计算系统》容错共识部分的核心知识点。回答故障后如何继续服务，以及如何在多数派下达成一致。本知识点首先把握：按影响范围：单点故障、网络分区、相关故障。学习时请把它放回整门课主线——把独立计算机组织成对用户像一台机器的系统，并用通信、数据放置、复制、容错与调度把这件事做可靠。

2. 视频教程

拜占庭将军问题是什么

3. 知识点详解

1. 按影响范围：单点故障、网络分区、相关故障。
2. 按性质：崩溃停机、遗漏消息、时序异常、拜占庭（任意甚至恶意行为）。

1. 知识点论述

「5.3 检测与恢复」是《分布式计算系统》容错共识部分的核心知识点。回答故障后如何继续服务，以及如何在多数派下达成一致。本知识点首先把握：心跳：固定周期简单，频率过短会误报，过长会发现得慢。学习时请把它放回整门课主线——把独立计算机组织成对用户像一台机器的系统，并用通信、数据放置、复制、容错与调度把这件事做可靠。

2. 视频教程

HTTP/TCP 长连接与心跳检测

3. 知识点详解

1. 心跳：固定周期简单，频率过短会误报，过长会发现得慢。
2. 也可根据历史心跳预测故障。
3. Gossip：无中心交换邻居状态，适合大规模。
4. 恢复：冗余接管、回滚到正确状态、把负载从故障节点迁走。

1. 知识点论述

「5.4 Paxos」是《分布式计算系统》容错共识部分的核心知识点。回答故障后如何继续服务，以及如何在多数派下达成一致。本知识点首先把握：角色：Proposer、Acceptor、Learner。学习时请把它放回整门课主线——把独立计算机组织成对用户像一台机器的系统，并用通信、数据放置、复制、容错与调度把这件事做可靠。

2. 视频教程

十五分钟带你了解 Paxos

3. 知识点详解

1. 角色：Proposer、Acceptor、Learner。
2. 准备阶段：更高编号的提案让 Acceptor 承诺不再接受更小编号，并带回已接受的值。
3. 接受阶段：若多数 Acceptor 接受同一值，该值被选定，Learner 学习它。
4. 要点：在崩溃故障下，多数派保证不会选出两个值。

1. 知识点论述

「5.5 Raft」是《分布式计算系统》容错共识部分的核心知识点。回答故障后如何继续服务，以及如何在多数派下达成一致。本知识点首先把握：状态：Follower、Candidate、Leader。学习时请把它放回整门课主线——把独立计算机组织成对用户像一台机器的系统，并用通信、数据放置、复制、容错与调度把这件事做可靠。

2. 视频教程

动画：Raft 选举、脑裂、日志复制与安全性

3. 知识点详解

1. 状态：Follower、Candidate、Leader。
2. 选举：Follower 超时后成为 Candidate，任期加一，发 RequestVote。获得多数票成为 Leader。
3. 投票时还要比较日志新旧，避免日志落后的节点当选。
4. 日志复制：Leader 追加日志，复制到多数后提交，再应用到状态机。
5. 安全性：已提交日志不能在新 Leader 上丢失，任期单调递增。

1. 知识点论述

「5.6 PBFT」是《分布式计算系统》容错共识部分的核心知识点。回答故障后如何继续服务，以及如何在多数派下达成一致。本知识点首先把握：假设节点可能撒谎，不只是崩溃。学习时请把它放回整门课主线——把独立计算机组织成对用户像一台机器的系统，并用通信、数据放置、复制、容错与调度把这件事做可靠。

2. 视频教程

PBFT 共识：预准备、准备、提交

3. 知识点详解

1. 假设节点可能撒谎，不只是崩溃。
2. 流程包含预准备、准备、提交，用法定人数掩盖恶意节点。
3. 代价高于 Raft，只在不能信任故障模型时使用。