背景

Gossip protocol 也叫 Epidemic Protocol （流行病協議），實際上它還有很多別名，比如：“流言演算法”、“疫情傳播演算法”等。

這個協議的作用就像其名字表示的意思一樣，非常容易理解，它的方式其實在我們日常生活中也很常見，比如電腦病毒的傳播，森林大火，細胞擴散等等。

Gossip protocol 最早是在 1987 年發表在 ACM 上的論文 《Epidemic Algorithms for Replicated Database Maintenance》中被提出。主要用在分散式資料庫系統中各個副本節點同步資料之用，這種場景的一個最大特點就是組成的網路的節點都是對等節點，是非結構化網路，這區別與之前介紹的用於結構化網路中的 DHT 演算法 Kadmelia。

我們知道，很多知名的 P2P 網路或區塊鏈專案，比如 IPFS，Ethereum 等，都使用了 Kadmelia 演算法，而大名鼎鼎的 Bitcoin 則是使用了 Gossip 協議來傳播交易和區塊資訊。

實際上，只要仔細分析一下場景就知道，Ethereum 使用 DHT 演算法並不是很合理，因為它使用節點儲存整個鏈資料，不像 IPFS 那樣分片儲存資料，因此 Ethereum 真正適合的協議應該像 Bitcoin 那樣，是 Gossip 協議。

這裡先簡單介紹一下 Gossip 協議的執行過程：

Gossip 過程是由種子節點發起，當一個種子節點有狀態需要更新到網路中的其他節點時，它會隨機的選擇周圍幾個節點散播訊息，收到訊息的節點也會重複該過程，直至最終網路中所有的節點都收到了訊息。這個過程可能需要一定的時間，由於不能保證某個時刻所有節點都收到訊息，但是理論上最終所有節點都會收到訊息，因此它是一個最終一致性協議。

Gossip 的特點（優勢）

1）擴充套件性
網路可以允許節點的任意增加和減少，新增加的節點的狀態最終會與其他節點一致。

2）容錯
網路中任何節點的宕機和重啟都不會影響 Gossip 訊息的傳播，Gossip 協議具有天然的分散式系統容錯特性。

3）去中心化
Gossip 協議不要求任何中心節點，所有節點都可以是對等的，任何一個節點無需知道整個網路狀況，只要網路是連通的，任意一個節點就可以把訊息散播到全網。

4）一致性收斂
Gossip 協議中的訊息會以一傳十、十傳百一樣的指數級速度在網路中快速傳播，因此係統狀態的不一致可以在很快的時間內收斂到一致。訊息傳播速度達到了 logN。

5）簡單
Gossip 協議的過程極其簡單，實現起來幾乎沒有太多複雜性。

Márk Jelasity 在它的 《Gossip》一書中對其進行了歸納：

  image.png

Gossip 的缺陷

分散式網路中，沒有一種完美的解決方案，Gossip 協議跟其他協議一樣，也有一些不可避免的缺陷，主要是兩個：

1）訊息的延遲

由於 Gossip 協議中，節點只會隨機向少數幾個節點發送訊息，訊息最終是通過多個輪次的散播而到達全網的，因此使用 Gossip 協議會造成不可避免的訊息延遲。不適合用在對實時性要求較高的場景下。

2）訊息冗餘

Gossip 協議規定，節點會定期隨機選擇周圍節點發送訊息，而收到訊息的節點也會重複該步驟，因此就不可避免的存在訊息重複傳送給同一節點的情況，造成了訊息的冗餘，同時也增加了收到訊息的節點的處理壓力。而且，由於是定期傳送，因此，即使收到了訊息的節點還會反覆收到重複訊息，加重了訊息的冗餘。

Gossip 型別

Gossip 有兩種型別：

• Anti-Entropy（反熵）：以固定的概率傳播所有的資料
• Rumor-Mongering（謠言傳播）：僅傳播新到達的資料
  Anti-Entropy 是 SI model，節點只有兩種狀態，Suspective 和 Infective，叫做 simple epidemics。

Rumor-Mongering 是 SIR model，節點有三種狀態，Suspective，Infective 和 Removed，叫做 complex epidemics。

其實，Anti-entropy 反熵是一個很奇怪的名詞，之所以定義成這樣，Jelasity 進行了解釋，因為 entropy 是指混亂程度（disorder），而在這種模式下可以消除不同節點中資料的 disorder，因此 Anti-entropy 就是 anti-disorder。換句話說，它可以提高系統中節點之間的 similarity。

在 SI model 下，一個節點會把所有的資料都跟其他節點共享，以便消除節點之間資料的任何不一致，它可以保證最終、完全的一致。

由於在 SI model 下訊息會不斷反覆的交換，因此訊息數量是非常龐大的，無限制的（unbounded），這對一個系統來說是一個巨大的開銷。

但是在 Rumor Mongering (SIR Model) 模型下，訊息可以傳送得更頻繁，因為訊息只包含最新 update，體積更小。而且，一個 Rumor 訊息在某個時間點之後會被標記為 removed，並且不再被傳播，因此，SIR model 下，系統有一定的概率會不一致。

而由於，SIR Model 下某個時間點之後訊息不再傳播，因此訊息是有限的，系統開銷小。

Gossip 中的通訊模式

在 Gossip 協議下，網路中兩個節點之間有三種通訊方式:

• Push: 節點 A 將資料 (key,value,version) 及對應的版本號推送給 B 節點，B 節點更新 A 中比自己新的資料
• Pull：A 僅將資料 key, version 推送給 B，B 將本地比 A 新的資料（Key, value, version）推送給 A，A 更新本地
• Push/Pull：與 Pull 類似，只是多了一步，A 再將本地比 B 新的資料推送給 B，B 則更新本地
  如果把兩個節點資料同步一次定義為一個週期，則在一個週期內，Push 需通訊 1 次，Pull 需 2 次，Push/Pull 則需 3 次。雖然訊息數增加了，但從效果上來講，Push/Pull 最好，理論上一個週期內可以使兩個節點完全一致。直觀上，Push/Pull 的收斂速度也是最快的。

Gossip 演示

現在，我們通過一個具體的例項來深入體會一下 Gossip 傳播的完整過程

為了表述清楚，我們先做一些前提設定

（1）Gossip 是週期性的散播訊息，把週期限定為 1 秒
（2）被感染節點隨機選擇 k 個鄰接節點（fan-out）散播訊息，這裡把 fan-out 設定為 3，每次最多往 3 個節點散播。
（3）每次散播訊息都選擇尚未傳送過的節點進行散播
（4）收到訊息的節點不再往傳送節點散播，比如 A -> B，那麼 B 進行散播的時候，不再發給 A。

這裡一共有 16 個節點，節點 1 為初始被感染節點，通過 Gossip 過程，最終所有節點都被感染：

   

複雜度分析

對於一個節點數為 N 的網路來說，假設每個 Gossip 週期，新感染的節點都能再感染至少一個新節點，那麼 Gossip 協議退化成一個二叉樹查詢，經過 LogN 個週期之後，感染全網，時間開銷是 O(LogN)。由於每個週期，每個節點都會至少發出一次訊息，因此，訊息複雜度（訊息數量 = N * N）是 O(N^2) 。注意，這是 Gossip 理論上最優的收斂速度，但是在實際情況中，最優的收斂速度是很難達到的。

假設某個節點在第 i 個週期被感染的概率為 pi，第 i+1 個週期被感染的概率為 pi+1 ，

1）則 Pull 的方式:

   

2）Push 方式：

   

可見，Pull 的收斂速度大於 Push ，而每個節點在每個週期被感染的概率都是固定的 p (0<p<1)，因此 Gossip 演算法是基於 p 的平方收斂，也稱為概率收斂，這在眾多的一致性演算法中是非常獨特的。

全文完！

如果你喜歡我的文章，可以關注我的微信公眾號：deliverit

   

小禮物走一走，來簡書關注我

作者：juniway
連結：https://www.jianshu.com/p/8279d6fd65bb
來源：簡書
簡書著作權歸作者所有，任何形式的轉載都請聯絡作者獲得授權並註明出處。