共識問題：可稱作協作，所有正確的程序對提議的值達成一致。分布式系統中，節點之間通過通訊，對請求達成一致的定序。
問題定義：程序pi處於未決狀態（undecideed），提議集合d中的某個值vi。程序之間相互通訊，交換各自的提議。每個程序設定自己的決定變數（decision variable），進入決定狀態（decided），此狀態下不改變di的數值。
要求滿足如下幾個性質：
程序可發生各種型別的錯誤，錯誤可以大致分為：
byzantine generals problem 由lamport 2023年提出，考慮通道安全，但是出錯節點傳送的資訊任意。在區塊鏈中，考慮此類別的問題是必要的。
互動一致性問題：共識問題的乙個變種，指所有正確的程序對乙個值向量（決定向量）達成一致。向量中的分量對應乙個程序的值。
同步與非同步：非同步與同步通訊的最大區別是沒有時鐘、不能時間同步、不能使用超時、不能探測失敗、訊息可任意延遲、訊息可亂序。同步是指可以在指定的時間內完成訊息的傳遞，因此，它存在有訊息傳輸的絕對界限，超過這個界限，可以認為程序已經崩潰，所以，同步下存在有可靠的故障檢測器（reliable failure detector），對程序的詢問，可以回unsuspected或者failed。非同步情況下的故障檢測器是不可靠的（unreliable），只可以產生unsuspected和suspected，但是選擇的超時值可以動態改變，可以增加檢測的精度。
通訊健壯：只要程序非失敗，訊息雖會被無限延遲，但最終會被送達，並且訊息僅會被送達一次（無重複），使用tcp協議有效保證通訊的健壯。
同步系統中的共識問題已被證明可以實現，訊息可以分為「口頭的」和「正式的」，即訊息是否經過簽名。lamport討論了3個程序相互傳送未簽名訊息，若有乙個程序出現bft故障，則無法達成共識，並延伸到了n≤3f的情況。pease等人證明了n≤3f下bft共識的不可能性（證明未細看），並提出了在n>3f+1時的解決方案。
進行多少輪通訊和傳送多少訊息（訊息的長度）非常重要。通訊階段數影響終止的時間，訊息的長度影響頻寬的利用率，也影響時間。
fischer、lynch證明，如果允許bft故障，則任何確定性的解決共識問題的演算法至少需要f+1輪訊息傳遞（證明未看）。
--------------------------------------
非同步情況下的不可能性（flp impossibility）：即使只有乙個程序發生崩潰故障，也沒有演算法可以保證達到共識。由於非同步系統中，沒有辦法分辨乙個程序是速度很慢還是已經崩潰，即不能探測失敗。（證明過程未細看）：在任何演算法之上，都能構造出這樣一些永遠都不確定的configuration。有三個引理：連通性、
初始configuration不確定性、不可終止
性（不確定configuration經過一些步驟後依然可能是不確定的），通過連通性來證明不可終止性。
繞過不可能性的三個方法（考慮部分同步系統 partially synchronous system，使共識問題可以被解決 dwork et al.）：
參考：distributed systems concepts and design -fifth edition
強一致性 弱一致性 最終一致性
這種方式在es等分布式系統中也有體現，可以設定主shard提交即返回成功，或者需要replica shard提交成功再返回。提到分布式架構就一定繞不開 一致性 問題，而 一致性 其實又包含了資料一致性和事務一致性兩種情況，本文主要討論資料一致性 事務一致性指acid 複製是導致出現資料一致性問題的唯...
保證一致性嗎 Kafka的一致性保證
魚和熊掌不可兼得。系統設計需要根據具體的應用場景做出權衡。系統設計者可以通過配置kafka，來得到不同程度的需求滿足。每個kafka主題 topic 都分為多個分割槽 partitions 每個分割槽可以具有多個副本 replica 其中乙個副本是主分割槽 leader 所有讀寫請求都由主分割槽提供...
一致性雜湊
直接貼出一篇介紹的很清楚的博文。關鍵字一致性雜湊 平衡性，單調性，分散性，負載 其實說白了，就是解決把請求分散到不同的機器上運算，怎麼做分散的平均，機器少一台多一台，或者壞掉一台，成很好的自適應和拓展。最簡單的實現分布式演算法，取模嘛，但是它就上述的一些問題，所以不算好的雜湊函式。一致性雜湊演算法，...