共識演算法和一致性

一致性往往指分布式系統中多個副本對外呈現的資料的狀態。如前面提到的順序一致性、線性一致性，描述了多個節點對資料狀態的維護能力。

共識則描述了分布式系統中多個節點之間，彼此對某個狀態達成一致結果的過程。

致性描述的是結果狀態，共識則是一種手段。達成某種共識並不意味著就保障了一致性。

講，各個節點通常都是相同的確定性狀態機器模型（又稱為狀態機器複製問題，state-machine replication），從相同初始狀態開始接收相同順序的指令，則可以保證相同的結果狀態。

系統中多個節點最關鍵的是對多個事件的順序進行共識，即排序。

出現故障（crash或fail-stop，即不響應）但不會偽造資訊的情況稱為“非拜占庭錯誤”（non-byzantine fault）或“故障錯誤”（Crash Fault）；

偽造資訊惡意響應的情況稱為“拜占庭錯誤”（Byzantine Fault），對應節點為拜占庭節點。

解決的是非拜占庭的普通錯誤情況還是拜占庭錯誤情況，共識演算法可以分為Crash Fault Tolerance（CFT）類演算法和Byzantine Fault Tolerance（BFT）類演算法。

於要能容忍拜占庭錯誤的情況，一般包括PBFT（Practical Byzantine Fault Tolerance）為代表的確定性系列演算法、PoW為代表的機率演算法等。

注意 實踐中，一致性的結果往往還需要用戶端的額外支援，典型情況如通過訪問足夠多個服務節點來比對驗證，確保擷取共識後的正確結果。

提示 不僅在分布式系統領域，實際上在很多領域都存在類似“測不準原理”的約束。