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：“流言算法”、“疫情傳播算法”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。主要用在分布式數據庫系統中各個副本節點同步數據之用，這種場景的一個最大特點就是組成的網絡的節點都是對等節點，是非結構化網絡，這區別與之前介紹的用於結構化網絡中的 DHT 算法 Kadmelia。
我們知道，很多知名的 P2P 網絡或區塊鏈項目，比如 IPFS，Ethereum 等，都使用了 Kadmelia 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信息。
實際上，只要仔細分析一下場景就知道，Ethereum 使用 DHT 算法並不是很合理，因為它使用節點保存整個鏈數據，不像 IPFS 那樣分片保存數據，因此 Ethereum 真正適合的協議應該像 Bitcoin 那樣，是 Gossip 協議。
這里先簡單介紹一下 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絡中的其他節點時，它會隨機的選擇周圍幾個節點散播消息，收到消息的節點也會重復該過程，直至最終網絡中所有的節點都收到了消息。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消息，但是理論上最終所有節點都會收到消息，因此它是一個最終一致性協議。
下面，我們通過一個具體的實例來體會一下 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 是周期性的散播消息，把周期限定為 1 秒
（2）被感染節點隨機選擇 k 個鄰接節點（fan-out）散播消息，這里把 fan-out 設置為 3，每次最多往 3 個節點散播。
（3）每次散播消息都選擇尚未發送過的節點進行散播
（4）收到消息的節點不再往發送節點散播，比如 A -> B，那么 B 進行散播的時候，不再發給 A。
這里一共有 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：
下面來總結一下
Gossip 的特點（優勢）
1）擴展性
網絡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
網絡中任何節點的宕機和重啟都不會影響 Gossip 消息的傳播，Gossip 協議具有天然的分布式系統容錯特性。
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絡狀況，只要網絡是連通的，任意一個節點就可以把消息散播到全網。
4）一致性收斂
Gossip 協議中的消息會以一傳十、十傳百一樣的指數級速度在網絡中快速傳播，因此系統狀態的不一致可以在很快的時間內收斂到一致。消息傳播速度達到了 logN。
5）簡單
Gossip 協議的過程極其簡單，實現起來幾乎沒有太多復雜性。
Márk Jelasity 在它的 《Gossip》一書中對其進行了歸納：
Gossip 的缺陷
分布式網絡中，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）消息的延遲
由於 Gossip 協議中，節點只會隨機向少數幾個節點發送消息，消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消息延遲。不適合用在對實時性要求較高的場景下。
2）消息冗余
Gossip 協議規定，節點會定期隨機選擇周圍節點發送消息，而收到消息的節點也會重復該步驟，因此就不可避免的存在消息重復發送給同一節點的情況，造成了消息的冗余，同時也增加了收到消息的節點的處理壓力。而且，由於是定期發送而且不反饋，因此，即使節點收到了消息，還是會反復收到重復消息，加重了消息的冗余。
Gossip 類型
Gossip 有兩種類型：
- Anti-Entropy（反熵）：以固定的概率傳播所有的數據
- Rumor-Mongering（謠言傳播）：僅傳播新到達的數據
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數據的 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數據都跟其他節點共享，以便消除節點之間數據的任何不一致，它可以保證最終、完全的一致。
由於在 SI model 下消息會不斷反復的交換，因此消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，消息可以發送得更頻繁，因為消息只包含最新 update，體積更小。而且，一個 Rumor 消息在某個時間點之后會被標記為 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 下某個時間點之后消息不再傳播，因此消息是有限的，系統開銷小。
Gossip 中的通信模式
在 Gossip 協議下，網絡中兩個節點之間有三種通信方式:
Push: 節點 A 將數據 (key,value,version) 及對應的版本號推送給 B 節點，B 節點更新 A 中比自己新的數據
Pull：A 僅將數據 key, version 推送給 B，B 將本地比 A 新的數據（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 新的數據推送給 B，B 則更新本地
如果把兩個節點數據同步一次定義為一個周期，則在一個周期內，Push 需通信 1 次，Pull 需 2 次，Push/Pull 則需 3 次。雖然消息數增加了，但從效果上來講，Push/Pull 最好，理論上一個周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。
復雜度分析
對於一個節點數為 N 的網絡來說，假設每個 Gossip 周期，新感染的節點都能再感染至少一個新節點，那么 Gossip 協議退化成一個二叉樹查找，經過 LogN 個周期之后，感染全網，時間開銷是 O(LogN)。由於每個周期，每個節點都會至少發出一次消息，因此，消息復雜度（消息數量 = 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 個周期被感染的概率為 pi，第 i+1 個周期被感染的概率為 pi+1 ，
1）則 Pull 的方式:
2）Push 方式：
可見，Pull 的收斂速度大於 Push ，而每個節點在每個周期被感染的概率都是固定的 p (0<p<1)，因此 Gossip 算法是基於 p 的平方收斂，也稱為概率收斂，這在眾多的一致性算法中是非常獨特的。
Java版實現
項目地址：https://gitee.com/xiaomaoguai/jgossip.git
轉載自：簡書@juniway