iT邦幫忙

第 11 屆 iThome 鐵人賽

DAY 7
0
Software Development

分散式系統 - 在分散的世界中保持一致系列 第 7

Day 7 - 分散式系統裡的時間並不可靠(下) - Vector Clock

  • 分享至 

  • xImage
  •  

前言

昨天我們介紹了Lamport Logical Clock可以幫助我們找出分散式系統裡的Causality關係,但是有其缺點,
那就是雖然兩個event是平行發生無法比較先後,但是Lamport timestamp會顯示兩著有因果關係,也就是說因為 t1 < t2,所以在此方法下,我們會以為e1 happened before e2,但其實不然。
也就是: L(e)<L(e’) <=!=> e→ e’

Vector Clock

我們希望能夠在定位事件的先後順序時,仍能保留Partial Order的資訊,也就是兩個事件是平行發生並不會被強制規定先後。

換句話說,如果兩個事件無法排定先後,那就讓他們保持無法比較,也因此我們可以找出 Concurrent Events。這邊的Concurrent Events不是針對同一個物件的updates,而是真的完全沒有因果關係不重疊的兩個平行事件。

例如:
UserA register -> UserA login -> order -> buy
UserB register
UserA,B的註冊很明顯可以是平行事件,甚至無因果關係

前面Lamport Clock讓每個Node只存一個Logical Clock timestamp。現在我們讓N個Nodes,每一個Node都存有N個Logical Clock timestamp,形成一個Vector

對Nodei儲存的Vector Vi: Vi = (t0, t1, t2, ..., tN)

也因此每個event e夾帶的timestamp,就是此時該Nodei的Vector timestamp Vi。

Vector Clock 演算法

  1. 初始化每個Nodei的Vi裡的每個time都為0
  2. 對Nodei,發生一個事件,則 Vi[ti]+1
  3. 對Nodei,發生一個發送事件,則 Vi[ti]+1,並在event中夾帶該Vector Time
  4. 對Nodej,發生一個接收事件,則 Vj[ti] = Vi[ti]Vj[tj] = Max(Vj[tj], Vi[ti])+1

比較:

  1. V = V' <=> V[j] = V’[j] for j = 1, 2, ..., N
  2. V ≤ V' <=> V[j] ≤ V’[j] for j = 1, 2, ..., N
  3. V < V' <=> V ≤ V’ ∧ V ≠ V’

則對比之前的Lamport Logical Clock圖

我們現在可以解決event e跟c為平行無前後關係的事件,在Vector Clock中我們可以決定並保留他們是平行的。因為Vector中的每個值並不是全部大於或是全部小於。

Vector Clock 小結

  1. 也就是說利用Vector Clock,我們仍然可以找出Causality關係: e → e’ <=> V(e) < V(e')
  2. 同時我們可以保留真的是平行發生且沒關聯的事件: If V(e) ≰ V(e') and V(e') ≰ V(e), then e ∥ e'

例如: (2,1,0,4) ∥ (2,3,0,2)

Vector Clock 討論

到這邊我們似乎解決了時間飄移VersioningEvent Ordering的問題。
但是,這是理論上的,什麼意思呢?
我們回到實作來想想,這些N個processes/nodes要在一開始初始化一個vector裡面有N個t1~tn logical time。
這是一個分散式系統耶

  1. 他們怎麼知道總共有N個呢?如果中間有Node永遠消失了(系統管理員更改配置)?也就是說這個系統要能夠知道 Membership
  2. 另一個比較小的問題是,每個Node要存一個Vector有N個值,如果我的分散式系統有很多個Node散落世界各地的中心,這個Vector光用想的就佔很大的空間?

總結

分散式系統就是這麼的麻煩!
不只是每個領域都可以生出一堆理論上的研究,且彼此相關聯。
當理論進入實作時又是一堆研究加系統的設計經驗。

因此接下來我們會舉幾個例子來看Vector Clock怎麼應用並解決剛剛的問題吧。


上一篇
Day 6 - 分散式系統裡的時間並不可靠(上) - Lamport Logical Clock
下一篇
Day 8 - 共識演算法(前言)
系列文
分散式系統 - 在分散的世界中保持一致30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言