事物都是有聯絡的，通過前幾章的學習，我們再次總結如下：
對比2pc協議
對比主從一致
通過對比主從一致，就好像是面臨先有雞還是先有蛋的論題。那麼共識演算法是如何解決這個死迴圈的呢？
共識演算法的理論基石：basic paxos
為什麼叫 basic paxos 是理論基石呢？因為 basic paxos 是經過數學證明的。當然，證明過程不需要了解（實際也不了解，總是學不會~）。
basic paxos 的 basic 就在於是對乙個值達成共識，而不是對一系列值達成共識。基礎思想就可以對比全序關係廣播。
在 basic paxos 的場景中，最終需要達成共識的節點叫做接受者，提出寫資料請求的節點叫做提議者，還有乙個學習者角色我們不做考慮。並且 提議者 可以有多個，所以會出現併發寫入的問題，也即前文分析的偏序環境。提議者寫資料也叫做發出提案。
現在我們知道，偏序環境想要變成全序環境，就需要針對 節點id 做文章，也即針對 提議者 做文章。假設 提議者 寫資料為 v，basic paxos 認為每個提議的格式（即提案）應該為：[n,v]，其中 n 就表示提案編號。可以看到，這裡的提案編號實際就是前文的節點id，只不過提案編號更為靈活。
所以通過提案編號，basic paoxs 就將偏序環境成功的改變成了全序環境。
那麼它是如何在全序環境中，實現全序關係關係廣播的呢？答案是：兩階段提交 + 細節限制。
首先，提議者會向所有接受者傳送 [n,] 的預提案，可以看到，此時並不會攜帶提案數值。當提議者收到大多數的接受者響應後，就會進入第二階段，傳送 [n,v] 的提案。其中 v 就是這個提議者提議的數值。最終，所有 接受者 就能針對該提案達成一致。
經過上面的過程描述，很明顯有幾處問題含糊不清，我們來一一分析。
當第一階段有多個提議者執行時怎麼辦？
n個接受者，那麼半數就是 n/2，所以乙個提議者要收到大於 n/2 個接受者的同意，才能進入到第二階段。第二個提議者也是如此，所以必然至少有乙個接受者，是會收到這兩個提議者的提案的。所以，我們的關注點應該在這個接受者怎麼處理上，而不是去考慮其他節點。
當這個接受者收到a提議者的提案後，假設提案資訊為 [n,]，那麼當它在執行第二階段之前，又收到了第二個接受者的提案，比如為 [m,]。那麼會做判斷：
當第二階段有多個提議者提交提案時怎麼辦？
假設這個接受者當前同意的預提案為：[n, ]：
兩階段後，未達成共識的節點，最後是如何達成共識的？
經過上面的分析，可以看到兩階段之後，因為是針對大多數節點共識，所以有部分節點可能會存在未達成共識的情況。但是我們知道，共識演算法是要保證最終一致性的，怎麼做到呢？
為什麼會有節點不一致呢？肯定是兩類原因導致的：
如果是通訊網路中斷，那麼提議者就知道上個提案超時了，所以可以重新發起提案。重新發起提案又是走兩階段過程，所有網路恢復的節點就會同步到資料。
如果是節點崩潰，其實也相當於網路中斷。節點無法主動去向提議者同步資料，因為提議者可能有多個。所以主要還是依靠提議者重新發起提案，經過二階段提交，資料會最終達成一致。
是否會發生多個提議者不斷提案的情況
這個問題先保留，到後面選主的時候再分析。
共識演算法的思想基石：multi paxos
為什麼把 multi paxos 叫做思想基石呢？因為 multi paxos 沒有經過數學證明，只是一種思想，對後續分布式共識演算法有啟發作用，屬於經典思想。
basic paxos 在全序環境中對乙個值達成共識，而 multi paxos 則是在全序環境中，實現全序關係廣播。
相對於 basic paxos，multi paxos引入了幾個重要的優化。
提議者只有乙個，即主節點
這樣子，就和主從複製非常像了。只不過主節點是選舉出來的，至於主節點如何選舉，是開放性的。比如可以選主階段參照 basic paxos，來確認唯一的主節點。
一系列值的共識過程中，二階段降為一階段
第一階段主要是為了處理多個提議者提案衝突的情況，因為只有乙個提議者（主節點），所以在一系列值的共識過程中，就沒必要進行第一階段了。
對於 multi paxos 的學習，由於其實理論思想，所以這裡只稍微提一下，重點還是後續要學習的 raft 演算法。等理解了 raft 演算法，再回過頭看 multi paxos，會理解更深刻。
一系列值，怎麼記錄？
答案是通過日誌記錄，但是這裡我們先不管它。multi paxos 演算法是理論指導，raft 演算法是經過數學證明的 multi paxos 類演算法。所以等 raft 學習之後，再回過頭看 multi paxos 會更好。
提到日誌記錄，這裡放兩個概念，作為日後的聯絡對比：
可以先查檢視，下篇文章，我們先進入 raft 的學習，然後再迭代回來學習先前的知識。
raft演算法 Paxos和Raft共識演算法（二）
raft 譯文 在過去的 10 年中，leslie lamport 的 paxos 演算法幾乎已經成為了一致性演算法的代名詞，但是paxos 有兩個致命的缺點 第乙個是 paxos 太難以理解，第二個缺點是它難以在實際環境中實現。其中乙個原因是，對於多決策 paxos multi paxos 大家還...
諸葛 VS 龐統，拿下 Paxos 共識演算法
分布式確實是乙個有趣的話題，只要你留心觀察，分布式在生活中無處不在。前兩講主要是講解分布式理論，涉及到了分布式的四大理論。拜占庭將軍問題 用三國殺講分布式演算法，舒適了吧？base cap acid 用太極拳講分布式理論，舒服！從這篇開始，將會講解分布式的八大協議 演算法。本篇主要講解 paxos ...
Paxos 演算法簡介
拜占庭將軍問題 byzantine failure 是由萊斯利 蘭伯特提出的點對點通訊中的基本問題。意思就是，在存在訊息丟失的不可靠的通道上保證資訊的一致性是不可能的。所以在一般討論一致性的問題上時，比如paxos 演算法，都先假定不會存在拜占庭問題。paxos 是乙個分布式一致性演算法。主要解決的...