《大规模分布式计算深入解析》4.3 活锁、随机化与工程上的 Paxos

用两个 proposer 的执行历史定位活锁,量化独立重试模型及上线观察量。

抢占历史与进展

A 的 ballot 1 收齐 promise,B 的 ballot 2 随即覆盖相同多数派的承诺,A 的 Accept 被拒。A 改用 ballot 3 抢先于 B 的 Accept。重复这个交错时,每个节点都在工作,已选定的 slot 却没有推进。单独观察 CPU 或网络看不出进展,应记录已选定位置、抢占次数、落盘完成时间与请求超时。

选一个稳定 proposer 可以减少互抢,退避、随机抖动和失败后重选是进展措施。对于每次尝试独立、失败概率固定为 p 的练习,期望额外重试 p/(1−p)。p=0.5 时为 1 次,实际冲突概率随拓扑与退避策略变化。每条决议 20 ms 且只允许一个在途时,模型容量 50/s,批量、流水线和跨节点存储成本需要重新估算。

验证

从卷七实验包 解包,用 Java 重试模型分别代入 p=0.5 与 p=0.9,并写一段 A/B 交替抢占的可检验历史。

一手资料

卷七目录 · 系列导读与实验

继续阅读

探索更多技术文章

浏览归档,发现更多关于系统设计、工具链和工程实践的内容。

全部文章 返回首页

「books」更多文章

  1. 《大规模分布式计算深入解析》15.3 落地:从 Neo4j 到自研图引擎
  2. 《大规模分布式计算深入解析·图计算与图数据库内核》 · 目录与学习路径(45 篇)
  3. 《大规模分布式计算深入解析》15.2 十一卷主线:从切分到图