很容易就能發現，這是一個「自找苦吃」的系統，它相當於把同樣的工作做了十次，而且還需要額外增加不同計算機之間的溝通工作。

• 二級標題

• 那為什麼還需要這種系統？因為它可以讓我們免除對中心化的那一台計算機，以及那台計算機背後的中心化的公司或組織的依賴。這樣一來，既能避免單點故障或作惡，也能減少權力的集中及濫用。

二級標題

區塊鏈所屬的分佈式系統也被稱為「複製狀態機模型」（Replicated State Machine），它的目標很簡單：系統內全部的計算機都同意某一個輸出值，也就是指：系統內所有的節點/ 計算機都有相同的初始狀態，在執行完一個事務後，所有的節點都有相同的最終狀態。

某台/ 某些計算機出現故障，它可能無法計算出結果，也可能連接不上系統。

二級標題

這些問題是常見且不可避免的，而一旦出現問題，就無法實現全部的計算機都同意某一個輸出結果。著名的分佈式系統「FLP 不可能原理」是這樣描述的：在網絡可靠，但允許節點失效的最小化異步模型系統中，不存在一個可以解決一致性問題的確定性共識算法。通俗而言就是：只要係統中有一台計算機出問題，該系統就無法在輸出值上達成共識。

二級標題

FLP 不可能原理告訴我們：不要浪費時間去為分佈式系統設計面向所有場景的共識算法，那是不可能實現的。

二級標題

二、分佈式系統的共識算法

雖然FLP 不可能原理很殘酷，但分佈式系統能夠帶來的好處是值得我們迎難而上的。既然不存在面向所有場景的共識算法，那麼也許可以找到一些在特定場景中有效的共識算法。共識算法，是指讓分佈式系統達成共識的方法。

• 讓我們看看科學家們是如何一步一步限定場景，並實現該場景下的共識算法的。

• 首先，如果系統中的每一台計算機都可以提出自己的結果，場面無疑是複雜的，因為我們連就哪一個結果去達成共識都無法知曉。所以解決共識問題的第一步是確定共識的到底是什麼，最簡單的方法就是某一台計算機說了算，它提出一個結果，其他的計算機來表態是否同意這個結果。

• 說了算的那台計算機被稱為提案者或者領導者。雖然通過領導者來實現共識並不是唯一解決問題的方法，但絕大多數協議都是在此基礎上實現的，包括區塊鏈系統中使用的共識算法。

• 所以你看，並沒有絕對的去中心化，實現共識的第一步就是要確定一個中心。

回到主題。需要領導者的共識算法的工作步驟大致是這樣的：

領導者提出一個結果；

二級標題

如果大家就結果達成了共識，系統輸出最終結果；如果大家未達成共識，回到步驟1 重新開始。

二級標題

這種思路提供了一種可以達成共識的方法，但它離真正實現共識還很遙遠。因為如果一台計算機連接不上系統，它就無法表決自己是否同意領導者的結果；如果出現問題的計算機恰好是領導者，情況就會更糟糕，整個系統會進入停滯狀態。

二級標題

三、同步性假設共識算法

那麼新的問題來了，我們怎麼知道它是連接不上系統，還是它正在參與共識只不過速度比別的機器慢？

Paxos 算法和Raft 算法都是基於同步性假設提出來的。但這兩個算法還需要對系統做另一種假設，即認為系統內所有的計算機都是「好人」，它們要么正確地響應領導者的提案，要么因為故障無法響應。

二級標題

於是，我們終於擁有了一個可以實現共識的分佈式系統，雖然對它有嚴格的條件限定。

二級標題

Paxos 共識算法是由萊斯利·蘭伯特（Leslie Lamport）在1990 年提出的一種基於消息傳遞且具有高度容錯特性的一致性算法，它在分佈式系統應用領域有著重要的地位，包括Google在內的許多公司的大型分佈式系統採用的都是該算法。而我們第一階段的探索也可以在此處結束，接下來是第二階段。

二級標題

• 四、解決掉系統中的「壞人」

• Paxos 雖然能實現共識，但它的算法是建立在所有計算機都是「好人」的基礎上的，這些計算機要么沉默，要么發出正確的聲音，因此整個系統中只有一種聲音，大家就這個聲音達成共識即可。而如果計算機中有「壞人」，系統裡就會出現壞人的聲音和好人的聲音，Paxos 算法無法處理這一情況。

• 我們需要在有壞人的情況下也可以實現共識的算法，有沒有可能？萊斯利·蘭伯特建立了一個模型來討論這種可能性，該模型被稱作拜占庭將軍問題，其中的拜占庭節點就是壞人節點，它們會傳遞幹擾信息阻礙整個系統達成共識。

• 在論文《The Byzantine Generals Problem》中，蘭伯特提出了幾種解決方案，其中一種可以在拜占庭節點不到1/3 時實現系統的共識。也就是說，如果系統中壞人的數量少於1/3，就可以通過算法實現共識。

這之後出現的DLS 算法、PBFT 算法（實用拜占庭容錯算法）都是在此基礎上發展出來的。

pre-prepare 階段：領導者發送結果給所有追隨者。領導者在本圖中是0 號節點，它把結果發給追隨者1、2、3 號節點。

commit 階段：如果追隨者發現超過2/3 的節點認可了領導者的結果，就告訴所有其他節點自己接受這個結果為最終結果。

二級標題

到此，我們就解決了有拜占庭節點的分佈式系統的共識問題。不過如果系統中壞人的數量等於或多於1/3，依然是無法達成共識的。我們能做的是通過系統的准入條件或激勵措施，讓壞人可以少於1/3。

二級標題

對分佈式系統的第二階段的探索到這裡就結束了，接下來進入到第三階段。

二級標題

五、中本聰共識算法

• 不管Paxos 還是PBFT，都使用了同步性假設，事實上，大家對共識算法的研究幾乎都是在該方向上的，直到中本聰共識的出現。中本聰共識使用的是非確定性機制。

• 這是什麼意思呢？我們可以把一個由12 台計算機組成的分佈式系統想像成一個由12 名陪審員組成的陪審團。我們把這12 個人關在會議室裡，遞進去一張紙條闡述案情，然後坐在會議室門口等他們給出審理的結果。

這12 個人對於如何判決會有不同的意見，隨著討論的深入也可能改變自己的立場，還有的人可能睡著了無法發表看法（參考《十二怒漢》）。那麼坐在門口等的人有兩種選擇。第一種選擇是你們去討論吧，讓我等多久都可以，但最後你們給我的必須是唯一確定的審理結果；第二種選擇是我等不了，你們先把最多人同意的那個結果給我，如果之後出現一個更多人同意的結果，我再改成那個結果。

分佈式系統就是這樣，只能二選一，第一種選擇被稱作Finality，即「結果的確定性」或安全性；第二種選擇被稱作Liveness，即網絡的活性或可用性。

這兩種選擇決定了分佈式共識兩種不同的設計思路：

追求Finality，是優先結果，就要對網絡做出要求。 PBFT、Tendermint 都是這一類型的算法，它們走的是網絡的同步性假設路線，使用這類算法的系統不會出現分叉。

追求Liveness，是優先網絡，就要對結果做出讓步。中本聰共識是這一類型的算法，它走的是結果的非確定性路線，使用這類算法的分佈式網絡始終可用，而且任意節點都可以隨時加入/ 離開系統。

題外話，在Finality 和Liveness 中二選一也是分佈式系統CAP 定理（不可能三角）的體現。該定理說的是：對於一個分佈式系統來說，不可能同時滿足一致性、可用性和分區容錯性。因為分區容錯性是指該系統要能容忍網絡出現分區，而現實網絡是一定會分區的，所以這個條件必須滿足，那麼實際上，CAP 定理說的是一個分佈式系統不可能同時滿足一致性和可用性，這其中，CAP 一致性體現的是Finality，CAP 可用性體現的是Liveness。

而不管是FLP 不可能原理，還是CAP 不可能定理，它們不是在告訴我們：這條路很難走通，你如果突破就是了不起的創新；它們告訴我們的是：這條路走不通，你要做的是根據需求來做權衡和選擇。

使用同步性假設的共識算法在前文已經詳細地介紹過了，它們通過引入超時概念忽略出現問題的計算機，從而達成共識。

使用非確定性機制的中本聰共識描述起來也很簡單：如果你看到某提議的區塊擁有最多的工作量證明，就接受該區塊，這也被稱作最長鏈規則。它的具體實現過程大家都很熟悉，本文就不再贅述了。

現在，讓我們看看使用同步性假設的系統（Finality，PoS 中使用較多）和使用非確定性機制的系統（Liveness，PoW 中使用較多）有什麼不同。但需要提醒的是，並非所有的PoS 都是Finality 路線，比如Casper FFG 就不是；而PoW 也不是只能走Liveness 路線，雖然並沒有人設計PoW 上的Finality 共識。

PoW 和PoS 的不同在於一個是Work，一個是Stake。之所以需要強調這一點，是因為在關於PoW 和PoS 的討論中，我們往往不是在討論Work 機制與Stake 機制的不同，而是在比較Finality 系統與Liveness 系統的不同。比如「無需許可」性，它基本是一個Finality 系統與Liveness 系統的話題，而不是Work 與Stake 的爭論點。

讓我們回到有12 個評審員的會議室。為了追求Finality，每個評審員都需要了解其他每一個人的想法，也需要把自己的想法告訴其他每一個人，因此通信複雜度會隨著評審員人數的增加而迅速遞增，整個系統將因此不可用，所以必須控制陪審員的數量。

那麼對於一個分佈式系統而言就是，只挑選少數節點進入會議室，由它們決定共識，而其他節點只接受共識。因此這種系統中有三種角色，領導者、追隨者和學習者，領導者和追隨者是會議室中的評審員，他們需要好好工作，不然可能導致系統無法達成共識。

這樣看來中本聰共識似乎更符合大家對分佈式系統的開放性的期望，但別忘了它之所以可以如此設計，是因為犧牲了Finality，它的輸出結果是一個概率上的最終結果。

試想，你百分百在星巴克得到一杯咖啡，但星巴克並不能百分百收到錢，這並不符合大多數人能理解的世界運轉規則。所以非確定性機制有它自己的短板，以及不適合的場景。

所以你看，設計分佈式系統就像與撒旦做交易，你得到一些，必然要交出一些。沒有最好的系統，只有適合解決某類問題的系統；沒有單純的指標比較，只有是在什麼設定下實現這種指標。

鏈聞注：

- How Does Distributed Consensus Work?

https://medium.com/

如果你理解了這一點，這篇文章的目的就達到了，而我們對分佈式系統的探索到此也就全部結束了。

https://ethfans.org/

- WHAT WE TALK ABOUT WHEN WE TALK ABOUT DISTRIBUTED SYSTEMS

http://alvaro-videla.com/

鏈聞注：

六、更進一步

鏈聞注：

• 本文是受《How Does Distributed Consensus Work?》一文啟發寫成的，如果你想更進一步了解分佈式系統，推薦這篇文章，它從專業的角度介紹了分佈式共識；同時推薦《WHAT WE TALK ABOUT WHEN WE TALK ABOUT DISTRIBUTED SYSTEMS》，它系統地羅列出了分佈式系統的經典論文。

• 鏈聞注：

• - 中文譯本《分佈式共識的工作原理》，by EthFans

• 分佈式系統的另一個關鍵問題是時序，所有的共識算法都需要解決它，但因為是另一條線索故本文未做涉及，如果你想了解，可以從萊斯利·蘭伯特博士（how old are you）的這篇論文開始：《Time, Clocks and the Ordering of Events in a Distributed System》。

• 如果你對在Finality 和Liveness 間尋找平衡感興趣，可以去研究Casper FFG 共識，它有Liveness 的一部分，也有Finality 的一部分。同時你也會發現Casper FFG 的PoS 與Tendermint 的PoS 的不同。

兩個定理：FLP 不可能原理；CAP 不可能定理。

參考資料：

兩種容錯能力：宕機容錯；拜占庭容錯。

2.《WHAT WE TALK ABOUT WHEN WE TALK ABOUT DISTRIBUTED SYSTEMS》，Alvaro Videla

3.《Time, Clocks and the Ordering of Events in a Distributed System》，Leslie Lamport

4.《The Byzantine Generals Problem》，LESLIE LAMPORT、ROBERT SHOSTAK、MARSHALL PEASE

5.《Paxos Made Simple》，Leslie Lamport

6.《Bitcoin: A Peer-to-Peer Electronic Cash System》，Satoshi Nakamoto