如何浅显易懂地解说 Paxos 的算法

看了几篇前面的答案，感受都是为了逻辑的验密性，进行了大篇幅的推理，这样确实很是严谨，可是理解起来就要废一番功夫了。我就不用一步一步的推理来描述了，这样虽然丧失一些严密性，可是会尽可能提升可读性，争取让每一个人都能理解这个算法的要点。

Paxos算法背景介绍：
Paxos算法是分布式技术大师Lamport提出的，主要目的是经过这个算法，让参与分布式处理的每一个参与者逐步达成一致意见。用好理解的方式来讲，就是在一个选举过程当中，让不一样的选民最终作出一致的决定。
Lamport为了讲述这个算法，假想了一个叫作Paxos的希腊城邦进行选举的情景，这个算法也是所以而得名。在他的假想中，这个城邦要采用民主提议和投票的方式选出一个最终的决议，但因为城邦的居民没有人愿意把所有时间和精力放在这种事情上，因此他们只能不定时的来参加提议，不定时来了解提议、投票进展，不定时的表达本身的投票意见。Paxos算法的目标就是让他们按照少数服从多数的方式，最终达成一致意见。

Paxos算法的具体状况：

一、在整个提议和投票过程当中，主要的角色就是“提议者”（向“接受者”提出提议）和“接受者”（收到“提议者”的提议后，向“提议者”表达本身的意见）。

二、整个算法的大体过程为：
第一阶段：由于存在多个“提议者”，若是都提意见，那么“接受者”接受谁的不接受谁的？太混乱了。因此，要先明确哪一个“提议者”是意见领袖有权提出提议，将来，“接受者”们就主要处理这个“提议者”的提议了（这样，也能够在提出提议时就尽可能让意见统一，谋求尽早造成多数派）。
第二阶段：由上阶段选出的意见领袖提出提议，“接受者”反馈意见。若是多数“接受者”接受了一个提议，那么提议就经过了。

三、必需要了解的其余相关背景：
1）怎么明确意见领袖呢？经过编号。每一个“提议者”在第一阶段先报个号，谁的号大，谁就是意见领袖。若是很差理解，能够想象为贿选。每一个提议者先拿着钞票贿赂一圈“接受者”，谁给的钱多，第二阶段“接受者”就听谁的。（注：这里和下文提到的“意见领袖”，并非一个新的角色，而是表明在那一轮贿赂成功的“提议者”。因此，请把意见领袖理解为贿赂中胜出的“提议者”便可）
2）有个跟选举常识不同的地方，就是每一个“提议者”不会执着于让本身的提议经过，而是每一个“提议者”会执着于让提议尽快达成一致意见。因此，为了这个目标，若是“提议者”在贿选的时候，发现“接受者”已经接受过前面意见领袖的提议了，即使“提议者”贿选成功，也会默默的把本身的提议改成前面意见领袖的提议。因此一旦贿赂成功，胜出的“提议者”再提出提议，提议内容也是前面意见领袖的提议（这样，在谋求尽早造成多数派的路上，又前进了一步）。
3）钱的多少很重要，若是钱少了，不管在第一仍是第二阶段“接受者”都不会尿你，直接拒绝。
4）上面2）中讲到，若是“提议者”在贿选时，发现前面已经有意见领袖的提议，那就将本身的提议默默改为前面意见领袖的提议。这里有一种状况，若是你是“提议者”，在贿赂的时候，“接受者1”跟你说“他见过的意见领袖的提议是方案1”，而“接受者2”跟你说“他见过的意见领袖提议是方案2”，你该怎么办？这时的原则也很简单，仍是：钱的多少很重要！你判断一下是“接受者1”见过的意见领袖有钱，仍是“接受者2”见过的意见领袖有钱？如何判断呢？由于“接受者”在被“提议者”贿赂的时候，本身会记下贿赂的金额。因此当你贿赂“接受者”时，一旦你给的贿赂多而胜出，“接受者”会告诉你两件事情：a.前任意见领袖的提议内容（若是有的话），b.前任意见领袖当时贿赂了多少钱。这样，再面对刚才的情景时，你只须要判断一下“接受者1”和“接受者2”告诉你的信息中，哪一个意见领袖当时给的钱多，那你就默默的把本身的提议，改为那个意见领袖的提议。
5）最后这一部分最有意思，但描述起来有点绕，若是不能一会儿就理解能够先看后面的例子。在整个选举过程当中，每一个人谁先来谁后到，“接受者”什么时间可以接到“提议者”的信息，是彻底不可控的。因此极可能一个意见领袖已经产生了，可是因为这个意见领袖的第二阶段刚刚开始，绝大部分“接受者”尚未收到这个意见领袖的提议。结果，这时忽然冲进来了一个新的土豪“提议者”，那么这个土豪“提议者”也是有机会让本身的提议胜出的！这时就造成了一种博弈：a.上一个意见领袖要赶在土豪“提议者”贿赂到“接受者”前，赶到“接受者”面前让他接受本身的提议，不然会由于本身的以前贿赂的钱比土豪少而被拒绝。b.土豪“提议者”要赶在上一个意见领袖将提议传达给“接受者”前，贿赂到“接受者”，不然土豪“提议者”即使贿赂成功，也要默默的将本身的提议改成前任意见领袖的提议。这整个博弈的过程，最终就看这两个“提议者”谁的进展快了。但最终必定会有一个意见领袖，先获得多数“接受者”的承认，那他的提议就胜出了。

 

四、总结
好啦，故事到这里基本讲述完了，我们来总结一下，其实Paxos算法就下面这么几个原则：
1）Paxos算法包括两个阶段：第一个阶段主要是贿选，尚未提出提议；第二个阶段主要根据第一阶段的结果，明确接受谁的提议，并明确提议的内容是什么（这个提议多是贿选胜出“提议者”本身的提议，也多是前任意见领袖的提议，具体是哪一个提议，见下面第3点原则）。
2）编号（贿赂金额）很重要，不管在哪一个阶段，编号（贿赂金额）小的，都会被鄙视（被拒绝）。
3）在第一阶段中，一旦“接受者”已经接受了以前意见领袖的提议，那后面再来找这个“接受者”的“提议者”，即使在贿赂中胜出，也要被洗脑，默默将本身的提议改成前任意见领袖的提议，而后他会在第二阶段提出该提议（也就是以前意见领袖的提议，以力争让你们的意见趋同）。若是“接受者”以前没有接受过任何提议，那贿选胜出的“提议者”就能够提出本身的提议了。

 

五、举例

最后举个例子，加深一下印象：

有两个“提议者”和三个“接受者”。

1）首先“提议者1”贿赂了3个“接受者”

 

2）3个“接受者”记录下贿赂金额，由于目前只有一个“提议者”出价，所以$1就是最高的了，因此“接受者”们返回贿赂成功。此外，由于没有任何先前的意见领袖提出的提议，所以“接受者”们告诉“提议者1”没有以前接受过的提议（天然也就没有上一个意见领袖的贿赂金额了）。

 

 

3）“提议者1”向“接受者1”提出了本身的提议：1号提议，并告知本身以前已贿赂$1。

 

 

4）“接受者1”检查了一下，目前记录的贿赂金额就是$1，因而接受了这一提议，并把1号提议记录在案。

 

 

5）在“提议者1”向“接受者2”“接受者3”发起提议前，土豪“提议者2”出现，他开始用$2贿赂“接受者1”与“接受者2”。

 

 

6）“接受者1”与“接受者2”马上被收买，将贿赂金额改成$2。可是，不一样的是：“接受者1”告诉“提议者2”,以前我已经接受过1号提议了，同时1号提议的“提议者”贿赂过$1；而，“接受者2”告诉“提议者2”，以前没有接受过其余意见领袖的提议，也没有上一个意见领袖的贿赂金额。

 

 

7）这时，“提议者1”回过神来了，他向“接受者2”和“接受者3”发起1号提议，并带着信息“我前期已经贿赂过$1”。

 

 

8）“接受者2”“接受者3”开始答复：“接受者2”检查了一下本身记录的贿赂金额，而后表示，已经有人出价到$2了，而你以前只出到$1，不接受你的提议，再见。但“接受者3”检查了一下本身记录的贿赂金额，目前记录的贿赂金额就是$1，因而接受了这一提议，并把1号提议记录在案。

 

 

9）到这里，“提议者1”已经获得两个接受者的赞同，已经获得了多数“接受者”的赞同。因而“提议者1”肯定1号提议最终经过。

 

10）下面，回到“提议者2”。刚才说到，“提议者2”贿赂了“接受者1”和“接受者2”，被“接受者1”告知：“以前已经接受过1号提议了，同时1号提议的‘提议者’贿赂过$1”，并被“接受者2”告知：“以前没有接到过其余意见领袖的提议，也没有其余意见领袖的贿赂金额”。这时“提议者2”，拿到信息后，判断一下，目前贿赂过最高金额（即$1）的提议就是1号提议了，因此“提议者2”默默的把本身的提议改成与1号提议一致，而后开始向“接受者1”“接受者2”发起提议（提议内容仍然是1号提议），并带着信息：以前本身已贿赂过$2。

 

 

11）这时“接受者1”“接受者2”收到“提议者2”的提议后，照例先比对一下贿赂金额，比对发现“提议者2”以前已贿赂$2，而且本身记录的贿赂金额也是$2，因此接受他的提议，也就是都接受1号提议。

 

 

12）因而，“提议者2”也拿到了多数派的意见，最终经过的也是1号提议。

这里再多说一句：

回到上面的第5）步，若是“提议者2”第一次先去贿赂“接受者2”“接受者3”会发生什么？那极可能1号提议就不会成为最终选出的提议。由于当“提议者2”先贿赂到了“接受者2”“接受者3”，那等“提议者1”带着议题再去找这两位的时候，就会由于以前贿赂的钱少（$1<$2）而被拒绝。因此，这也就是刚才讲到可能存在博弈的地方：a.“提议者1”要赶在“提议者2”贿赂到“接受者2”“接受者3”以前，让“接受者2”“接受者3”接受本身的意见，不然“提议者1”会由于钱少而被拒绝；b.“提议者2”要赶在“提议者1”以前贿赂到“接受者”，不然“提议者2”即使贿赂成功，也要默默的将本身的提议改成“提议者1”的提议。但你日后推演会发现，不管如何，总会有一个“提议者”的提议得到多数票而胜出。

以上，只是把大体的Paxos算法的思路介绍了一下，由于情景实在太复杂，好比：“提议者”、“接受者”若是是4个、5个……，好比：“提议者”与“接受者”之间的交互谁先谁后，等等各种状况。可是，其实都是可以严谨的推导出最后可以选出一个多数派的，不过篇幅就会太长了。你们有兴趣能够按照上面的思路，本身再模拟模拟“提议者”“接受者”数量或多或少，交互或先或后的各类状况，结果确定是最终惟一一个提议会得到多数票而胜出。

 

回想当时本身看Paxos算法时，走过不少的弯路，花了很长时间，这篇文章也是结合本身看Paxos算法时的一些心得所写，但愿对初学者能有些启发。