上次跟学弟学妹们聊完了Spring相关的一些知识点，学弟学妹们还是挺开心的，但是上次有学弟在跟我留言，在出去面试的时候被面试官问了个一脸蒙逼急的问题：
zookeeper你用过吗？作为注册中心它是怎么如何保证CP的呢？
为了对的起学弟学妹们的信赖这次跟大家具体聊聊zookeeper中的一致性选举算法Paxos算法
什么是CAP？
CAP理论指的是在一个分布式系统中，不可能同时满足Consistency（一致性）、Availablity（可用性）、Partition tolerance（分区容错性）这三个基本需求，最多只能满足其中的两项。
一致性（Consistency）：数据在不同的副本之间数据是保持一致的，并且当执行数据更新之后，各个副本之间能然是处于一致的状态。
可用性（Availablity）：系统提供的服务必须是处于一直可用的状态zookeeper一致性算法，针对每一次对系统的请求操作在设定的时间内，都能得到正常的result返回。
分区容错性（Partition tolerance）：分布式系统在遇到任何网络分区故障的时候，仍然需要能够保证对外提供满足一致性和可用性的服务，除非整个网络环境全部瘫痪了。
什么是三二原则？
对于分布式系统，在CAP原则中，P是一定要保证的，如果没有分区容错性那这个系统就太脆落了，但是并不能同时保证一致性或者可用性，在现在我们的分布式系统中，满足一致性，则必然会失去可用性，满足可用性，则必然失去一执性。所以CAP原则对一个分布式系统来说要么满足AP，要么满足CP，这就是三二原则。
Zookeeper与Eureka的区别？
Zookeeper遵循是的CP原则，即保证了一致性，失去了可用性，体现在当Leader宕机后，zk 集群会马上进行新的 Leader 的选举，但是选举的这个过程是处于瘫痪状态的。所以其不满足可用性。
Eureka遵循的是AP原则，即保证了高可用，失去了一执行。每台服务器之间都有心跳检测机制，而且每台服务器都能进行读写，通过心跳机制完成数据共享同步，所以当一台机器宕机之后，其他的机器可以正常工作，但是可能此时宕机的机器还没有进行数据共享同步，所以其不满足一致性。
言归正转，基础就跟大家聊到这里了，开始直接开始正文吧！！！
Paxos算法
Paxos 算法是莱斯利·兰伯特(Leslie Lamport)1990 年提出的一种基于消息传递的、具有高容错性的一致性算法。Google Chubby 的作者 Mike Burrows 说过，世上只有一种一致性算法， 那就是 Paxos，所有其他一致性算法都是 Paxos 算法的不完整版。
Paxos 算法是一种公认的晦涩难懂的算法，并且工程实现上也具有很大难度。
所以 Paxos算法主要用来解决我们的分布式系统中如何根据表决达成一致。
算法前置理解
首先需要理解的是算法中的三种角色
一个提案的决策者(Acceptor)会存在多个，但在一个集群中提议者(Proposer)也是可能存在多个的，不同的提议者(Proposer)会提出不同的提案。
paxos算法特点：
Paxos算法整个选举的过程可以分为两个阶段来理解。
阶段一
这个阶段主要是准备阶段发送提议
阶段二
当前阶段要是真正的发送接收阶段又被称为Accept阶段
看到这里可能很多学弟都是一脸懵逼，什么鬼？为了加深理解，让整个过程更加的透明，还是举例说明一下吧！！！
假设现在我们有三台主机服务器从中选取leader（也可以选择其他的更多的服务器，为了比较方便容易理解这里选少一点）。所以这三台主机它们就分别充当着提议者(Proposer)、决策者(Acceptor)、Learners（群众）三种角色。
所以假设现在开始模拟选举，三台服务分别开始获取N（具有全局唯一性的、递增的提案编号 N）的值，此时 serverOne(主机1) 就对应这个 ProposerOne(提议者1)、serverTwo(主机2)对应ProposerTwo(提议者2)、serverThree(主机3)对应ProposerThree(提议者3)。
为了整个流程比较简单清晰，过程中更好理解。他们的初始N值就特定的设置为 ServerOne（2）、ServerTwo（1）、ServerThree（3），所以他们都要发送给提议（Proposal）给决策者(Acceptor)，让它们进行表决确定
名词解析
提议（Proposal）：提议者向决策者发送的中间数据的包装简称提议。
同时每个 提议者(Proposer)向其中的两个决策者(Acceptor)发送提案消息。所以假设：
ProposerOne(提议者1)向 AcceptorOne(决策者1)和AcceptorTwo(决策者2)、
ProposerTwo(提议者2)向AcceptorTwo(决策者2)和AcceptorThree(决策者3)、
ProposerThree(提议者3)向AcceptorTwo(决策者2)和AcceptorThree(决策者3)、
发送提案消息。为了流程结构简单就向其中的2台发送提案，但是也是已经超过半票了，当然也可以多选几个主机，多发送提案，只是流程就复杂了一点不好理解了。注意点就是一定要超过半票。
那么整个图可以如下所示：
所以根据上面的图开始走第一阶段
按照上面我们假设的流程开始执行流程
ProposerOne(提议者1)向 AcceptorOne(决策者1)和AcceptorTwo(决策者2)
AcceptorOne(决策者1)和AcceptorTwo(决策者2)第一次收到ProposerOne(提议者1)的提议(Proposal)，由于是第一次收到提议(Proposal)，本地没有存储最大的N值，所以都会接受ProposerOne(提议者1)的提议。
所以AcceptorOne(决策者1)和AcceptorTwo(决策者2)都会提议返回给ProposerOne(提议者1)告知我赞同你的提议。
同时AcceptorOne(决策者1)和AcceptorTwo(决策者2)因为收到的当前的最大提议编号N为2，并且保存在本地，所以想接受到其他的N值小于2时则不会回复提议。
而ProposerOne(提议者1)已经收到超过半数返回，所以提议通过
此时 ：
ProposerTwo(提议者2)向AcceptorTwo(决策者2)和AcceptorThree(决策者3)
AcceptorTwo(决策者2)和AcceptorThree(决策者3)收到ProposerTwo(提议者2)的提议(Proposal)时。因为AcceptorTwo(决策者2)之前已经接受过ProposerOne(提议者1)的提议，所以本地的N值已经存储了2
当ProposerTwo(提议者2)的N值为1的时候，小于本地存的最大N值，所以不给予通过，也就不回复ProposerTwo(提议者2)
而AcceptorThree(决策者3)因为这是第一次收到提议，没有最大N值，所以同意提议(Proposal)，返回当前提，更新本地N值。
最后ProposerTwo(提议者2)只收到AcceptorThree(决策者3)的同意反馈，没有超过半数选择，所以不给通过。
此时 ：
ProposerThree(提议者3)向AcceptorTwo(决策者2)和AcceptorThree(决策者3)
AcceptorTwo(决策者2)和AcceptorThree(决策者3)收到ProposerThree(提议者3)的提议(Proposal)时。因为
AcceptorTwo(决策者2)和AcceptorThree(决策者3)都已经都到过提议(Proposal)，所以AcceptorTwo(决策者2)收到ProposerThree(提议者3)的提议时，本地N值2小于ProposerThree(提议者3)的N值3，所以通过提议
AcceptorThree(决策者3)因为本地之前收到最大的值为1，所以本次通过也通过提议，更新本次的N值为3
最后ProposerThree(提议者3)收到超过半数的同意反馈，所以通过。
此时 ：
由于之前ProposerTwo(提议者2)向AcceptorTwo(决策者2)和AcceptorThree(决策者3)发出提议时，没有超过半数投票。所以会从新获取最大N值（具有全局唯一性的、递增的提案编号 N），这个时候ProposerTwo(提议者2)本地获取的N值为4所以会再次发起一轮投票
AcceptorTwo(决策者2)和AcceptorThree(决策者3)再次收到ProposerTwo(提议者2)的提议(Proposal)时。AcceptorTwo(决策者2)和AcceptorThree(决策者3)本地存储的最大N值都小于现在最新的ProposerTwo(提议者2)的N值4，所以全部通过返回提议，更新本地N值
当ProposerTwo(提议者2)的N值为1的时候，小于本地存的最大N值，所以不给予通过，也就不回复ProposerTwo(提议者2)
最后ProposerTwo(提议者2)收到超过半数的同意反馈，所以通过。
此时 ：
到此第一阶段的工作就已经完成了，整个流程都是文字较多，看起需要多看几遍。同时我也给大家画了一个流程图如下：
由于上面已经走完第一阶段，那么接下来肯定就是第二阶段的流程了
同时整体第二阶段可以分为两块来理解，第一块是正式提交提议，第二块是表决确定阶段
第一阶段执行完得到的结果：
Acceptor
第一块：
第二块：
从上面的第一块结果来看，只有**ProposerTwo(提议者2)**得到半数同意，所以ProposerTwo(提议者2)立马就能成为leader。至此选举状态就结束zookeeper一致性算法，即ProposerTwo(提议者2)会发布广播给所有的learner，通知它们过来同步数据。当数据完成同步时，那个整个服务器的集群就能正常工作了。
总结
整个Paxos算法过程还是比较难理解，为了讲明白这里面的流程都是按最简单的例子来的。这里面也可以有更多的机器发起更多的提议。但是整个流程那就更难理解了。
理解Paxos算法需要按上面的两个阶段来理解。第一阶段是做什么，得到了什么结果，第二阶段又是基于第一阶段的结果执行怎样的一个选举流程，这个是大家需要思考的重点。
这里主要是跟大家分享的是Paxos算法这个选举过程，也有很多其他的优化版本比如 Fast Paxos、EPaxos等等。
Zookeeper
在zookeeper中的选举算法就是用的 Fast Paxos算法，为什么用Fast paxos？
Fast Paxos算法是Paxos的优化版本，解决了Paxos算法的活锁问题保证每次线程过来获取到唯一的N值。
ZAB（Zookeeper Atomic BroadCast）原子广播协议
ZAB其实就是上面算法的一种实现，所以Zookeeper也就是依赖ZAB来实现分布式数据的一致性的。
所以在zookeeper中，只有一台服务器机器作为leader机器，所以当客户端链接到机器的某一个节点时
在ZAB中的三类角色在ZAB中的三个重点数据
zookeeper中的一些知识点就分享到这里了，因为这里面还有很多很多东西，比如Session 、Znode、Watcher机制 、ACL、三种状态模式 还zookeeper怎么实现分布式事务锁等等。没有办法一次性跟大家聊完。
这次主要还是想让学弟学妹了解清楚Zookeeper中的一致性的算法是怎么保证。
结尾
针对面试来说能完全的跟面试官讲明白这个一致性算法，那你就已经走在前面了。整个过程还是比较复杂的，需要自己不断的多看多画图理解。
在这个互联内卷的时代，只有懂得比别人多才能走的比别人远。
最后希望我的学弟学妹们都能有一个好的校招结果！！！
