gossip演算法如其名，靈感來自辦公室八卦，只要乙個人八卦一下，在有限的時間內所有的人都會知道該八卦的資訊，這種方式也與病毒傳播類似，因此gossip有眾多的別名「閒話演算法」、「疫情傳播演算法」、「病毒感染演算法」、「謠言傳播演算法」。
但gossip並不是乙個新東西，之前的泛洪查詢、路由演算法都歸屬於這個範疇，不同的是gossip給這類演算法提供了明確的語義、具體實施方法及收斂性證明。
gossip演算法又被稱為反熵（anti-entropy），熵是物理學上的乙個概念，代表雜亂無章，而反熵就是在雜亂無章中尋求一致，這充分說明了gossip的特點：在乙個有界網路中，每個節點都隨機地與其他節點通訊，經過一番雜亂無章的通訊，最終所有節點的狀態都會達成一致。每個節點可能知道所有其他節點，也可能僅知道幾個鄰居節點，只要這些節可以通過網路連通，最終他們的狀態都是一致的，當然這也是疫情傳播的特點。
要注意到的一點是，即使有的節點因宕機而重啟，有新節點加入，但經過一段時間後，這些節點的狀態也會與其他節點達成一致，也就是說，gossip天然具有分布式容錯的優點。
gossip是乙個帶冗餘的容錯演算法，更進一步，gossip是乙個最終一致性演算法。雖然無法保證在某個時刻所有節點狀態一致，但可以保證在」最終「所有節點一致，」最終「是乙個現實中存在，但理論上無法證明的時間點。 因為gossip不要求節點知道所有其他節點，因此又具有去中心化的特點，節點之間完全對等，不需要任何的中心節點。實際上gossip可以用於眾多能接受「最終一致性」的領域：失敗檢測、路由同步、pub/sub、動態負載均衡。 但gossip的缺點也很明顯，冗餘通訊會對網路頻寬、cpu資源造成很大的負載，而這些負載又受限於通訊頻率，該頻率又影響著演算法收斂的速度，後面我們會講在各種場合下的優化方法。
根據原**，兩個節點（a、b）之間存在三種通訊方式:
push: a節點將資料(key,value,version)及對應的版本號推送給b節點，b節點更新a中比自己新的資料
pull：a僅將資料key,version推送給b，b將本地比a新的資料（key,value,version）推送給a，a更新本地
push/pull：與pull類似，只是多了一步，a再將本地比b新的資料推送給b，b更新本地
如果把兩個節點資料同步一次定義為乙個週期，則在乙個週期內，push需通訊1次，pull需2次，push/pull則需3次，從效果上來講，push/pull最好，理論上乙個週期內可以使兩個節點完全一致。直觀上也感覺，push/pull的收斂速度是最快的。
假設每個節點通訊週期都能選擇（感染）乙個新節點，則gossip演算法退化為乙個二分查詢過程，每個週期構成乙個平衡二叉樹，收斂速度為o(n2 )，對應的時間開銷則為o(logn )。這也是gossip理論上最優的收斂速度。但在實際情況中最優收斂速度是很難達到的，假設某個節點在第i個週期被感染的概率為pi ,第i+1個週期被感染的概率為pi+1 ，則pull的方式:
而push為：
顯然pull的收斂速度大於push，而每個節點在每個週期被感染的概率都是固定的p(0
Gossip演算法介紹
gossip演算法因為cassandra而名聲大噪，gossip看似簡單，但要真正弄清楚其本質遠沒看起來那麼容易。為了尋求gossip的本質，下面的內容主要參考gossip的原始 gossip演算法如其名，靈感來自辦公室八卦，只要乙個人八卦一下，在有限的時間內所有的人都會知道該八卦的資訊，這種方式也...
Gossip演算法學習筆記
主要參考了 分布環境下的gossip演算法 這篇 幷包含在網上整理的一些資料。簡介 gossip 演算法又被稱為反熵 anti entropy 熵是物理學上的乙個概念，代表雜亂無章，而反熵就是在雜亂無章中尋求一致.gossip 的特點 在乙個有界網路中，每個節點都隨機地與其他節點通訊，經過一番雜亂無...
gossip協議的原理和實戰應用
先理解一下gossip協議 在乙個有界網路中，每個節點都隨機地與其他節點通訊，經過一番雜亂無章的通訊，最終所有節點的狀態都會達成一致。每個節點可能知道所有其他節點，也可能僅知道幾個鄰居節點，只要這些節可以通過網路連通，最終他們的狀態都是一致的，當然這也是疫情傳播的特點。簡單的描述下這個協議，首先要傳...