CAP理论
CAP理论告诉我们，一个分布式系统不可能同时满足以下三种
一致性（C:consistency）
可用性（A:Available）
分区容错性（P:Partition Tolerance）
这三个基本要求，最多只能同时满足其中的两项，因为P是必须的，因此往往选择就在CP或者AP中
（1）一致性（C:consistency）
在分布式环境中，一致性是指数据在多个副本之间是否能够保持数据一致的特性。在一致性的需求下，当一个系统在数据一致的状态下执行更新操作后，应该保证系统的数据仍然处于一致的状态。
（2）可用性（A:Available）
可用性是指系统提供的服务必须一直处于可用的状态，对于用户的每一个操作请求总是能够在有限的时间内返回结果。
（3）分区容错性（P:Partition Tolerance）
分布式系统在遇到任何网络分区故障的时候，仍然需要保证对外提供满足一致性和可用性，除非是整个网络环境都发生了故障(多个副本，其中几个副本down掉不影响系统使用)
Zookeeper保证的是CP
（1）Zookeeper不能保证每次服务请求的可用性。（注：在极端环境下，Zookeeper可能会丢弃一些请求，消费者程序需要重新请求才能获得结果）。所以说，Zookeeper不能保证服务可用性
（2）进行Leader选举时集群都是不可用。
Paxos算法
Paxos算法：一种基于消息传递且具有高度容错特性的一致性算法。
Paxos算法解决的问题：就是如何快速正确的在一个分布式系统中对某个数据值达成一致，并且保证不论发生任何异常，都不会破坏整个系统的一致性。
Paxos算法描述：
在一个Paxos系统中，首先将所有节点划分为Proposer（提议者），Acceptor（接受者）和Learner（学习者）。（注意：每个节点都可以身兼数职）。
一个完整的Paxos算法流程分为三个阶段：
PrePare准备阶段
Proposer向多个Acceptor发出Propose请求Promise（承诺）
Acceptor针对收到的Propose请求进行Promise（承诺）
Accept接受阶段
Proposer收到多数Acceptor承诺的Promise后，向Acceptor发出Propose请求（承诺）
Acceptor针对收到的Propose请求进行Accept处理
Learn学习阶段
Proposer将形成的决议发送给所有Learners
Paxos算法流程：
（1）Prepare：Proposer生产全局唯一且递增的Proposal ID，向所有Acceptor发送Propose请求，这里无需携带提案内容，只携带Proposal ID即可。
（2）Promise：Acceptor收到Propose请求后，做出“两个承诺，一个应答”。
不再接受Proposal ID小于等于（注意：这里是<=）当前请求的Propose请求。
不再接受Proposal ID小于（注意：这里是<）当前请求的Accept请求。
不违背以前做出的承诺下，回复已经Accept过的提案中Proposal ID最大的那个提案的Value和Proposal ID，没有则返回空值。
（3）Propose：Proposer收到多数Acceptor的Promise应答后，从应答中选择Proposal ID最大的提案的Value，作为本次要发起的提案。如果所有应答的提案Value均为空值，则可以自己随意决定提案Value。然后携带当前Proposal ID，向所有Acceptor发送Propose请求。
（4）Accept：Acceptor收到Propose请求后，在不违背自己之前做出的承诺下，接受并持久化当前Proposal ID和提案Value。
（5）Learn：Proposer收到多数Acceptor的Accept后，决议形成，将形成的决议发送给所有Leader。
情况1：
有A1，A2，A3，A4，A5 5位议员，就税率问题进行决议
A1发起1号Proposal的Propose，等待Promise承诺；
A2-A5回应Promise；
A1在收到两份回复时就会发起税率10%的Proposal；
A2-A5回应Accept；
通过Proposal，税率10%。
情况2：
A1、A5同时发起Propose（序号分别为1,2）
A2承诺A1，A4承诺A5，A3行为成为关键
情况1：A3先收到A1消息，承诺A1。
A1发起Proposal（1, 10%），A2，A3接受。
之后A3又收到A5消息，回复A1：（1, 10%），并承诺A5。
A5发起Proposal（2, 20%），A3，A4接受。之后A1，A5同时广播决议。
情况2：A3先收到A1消息，承诺A1。之后立刻收到A5消息，承诺A5.
A1发起Proposal（1, 10%），无足够响应，A1重新Propose（序号3），A3再次承诺A1。
A5发起Proposal（2, 20%），无足够响应，A5重新Propose（序号4），A3再次承诺A5。
......
造成这种情况的原因是系统重有一个以上的Proposer，多个Proposers互相争夺Acceptor，造成迟迟无法达成一致的情况，这对这种情况，一种改进的Paxos算法被提出：从系统中选出一个节点作为Leader，只有Leader能够发起提案。这样，一次Paxos流程中只有一个Proposer，不会出现活锁的情况，此时只会出现例子中第一种情况。
ZAB协议：
Zab算法：Zab借鉴了Paxos算法，是特别为Zookeeper设计的支持崩溃恢复的原子广播协议。基于该协议，Zookeeper设计为只有一台客户端（Leader）负责处理外部的写事务请求，然后Leader客户端将数据同步到其它Follower节点，即Zookeeper只有一个Leader可以发起提案。
Zab协议内容：
包括两种基本的模式：消息广播、崩溃恢复。
（1）客户端发起一个写操作请求。
（2）Leader服务器将客户端的请求转化为事务Proposal提案，同时为每个Proposal分配一个全局的ID，即zxid。
（3）Leader服务器为每个Follower服务器分配一个单独的队列，然后将需要广播的Proposal依次放到队列中去，并且根据FIFO策略进行消息发送。
（4）Follower接收到Proposal后，会首先将其以事务日志的方式写入本地磁盘中，写入成功后Leader反馈一个Ack(确认消息)响应消息。
（5）Leader接收到超过半数以上Follower的Ack响应消息后，即认为消息发送成功，可以发送commit消息。
（6）Leader向所有Follower广播commit消息，同时自身也会完成事务提交。Follower接收到commit消息后，会将上一条事务提交。
（7）Zookeeper采用Zab协议的核心，就是只要有一台服务器提交了Proposal，就要确认所有的服务器最终都能正确提交Proposal
崩溃恢复：
一旦Leader服务器出现崩溃或者由于网络原因导致Leader服务器失去了与过半Follower的联系，那么就会进入崩溃恢复模式
1）假设两种服务器异常情况：
（1）假设一个事务在Leader提出之后，Leader挂了。
（2）一个事务在Leader上提交了，并且过半的Follower都响应Ack了，但是Leader在Commit消息发出之前挂了。
2）Zab协议崩溃恢复要求满足以下两个要求：
（1）确保已经被Leader提交的提案Proposal，必须最终被所有的Follower服务器提交。（已经产生的提案，Follower必须执行）
（2）确保丢弃已经被Leader提出的，但是没有被提交的Proposal。（丢弃胎死腹中的提案）
崩溃恢复——Leader选举：
崩溃恢复主要包括两部分：Leader选举和数据恢复
Leader选举：根据上述要求，Zab协议需要保证选举出来的Leader需要满足以下条件：
（1）新选举出来的Leader不能包含未提交的Proposal。即新Leader必须都是已经提交了Proposal的Follower服务器节点。
（2）新选举的Leader节点中含有最大的zxid。这样做的好处是可以避免Leader服务器检查Proposal的提交和丢弃工作。
崩溃恢复——数据恢复：
崩溃恢复主要包括两部分：Leader选举和数据恢复
Zab如何数据同步：
（1）完成Leader选举后，在正式开始工作之前（接收事务请求，然后提出新的Proposal），Leader服务器会首先确认事务日志中的所有的Proposal是否已经被集群中过半的服务器Commit。
（2）Leader服务器需要确保所有的Follower服务器能够接收到每一条事务的Proposal，并且能将所有已经提交的事务Proposal应用到内存数据中。等到Follower将所有尚未同步的事务Proposal都从Leader服务器上同步过，并且应用到内存数据中以后，Leader才会把该Follower加入到真正可用的Follower列表中。
