分布式系統的優勢就是可以將多個計算機結點一起協調工作，完成一個單機難以解決的大任務。如果這個任務是純計算型的，而且可以拆分為若干個獨立的計算，即一個計算結果不需要依附另一個計算結果的完成。那么便可以將這個大的計算任務進行拆分，分配到不同結點來完成，最后匯總結果。
上述任務並不涉及到同步問題，但是在分布式系統中，還有很多的任務需要多個結點間的協同工作，就好比在一個公司內不同的職員需要做不同的工作，大家為了完成一個任務可能需要相互配合來完成，彼此之間的任務具有依賴性，一個人的工作進度可能影響整個任務的完成。不同的職員就好比分布式系統中的結點，為了完成一個任務，不同的結點明確自己在什么時間應該做什么事，就是同步。在現實生活中，這個問題相對好解決，因為每個人無時無刻都知道准確的北京時間，大家可用同一個時間來約束彼此的工作行為，相互配合完成工作，但是在分布式系統中，問題便有些復雜，因為每個機器結點的時間並不一定是一致的，各自的誤差不同導致經過時間的積累導致大家手中的時間不一致，會導致任務同步出錯，甚至導致災難性后果。
要解決同步問題，最先想到的就是和現實生活中一樣，整個集群同步統一時鍾（全局時鍾），可以利用衛星，這種方式確實可行，但是成本開銷比較大，而且很多環境中不一定能接收到衛星信號。
第二種方法就是計算機結點不利用外部的時間去對時，而是自己內部之間的時鍾進行對時。
首先看兩種算法：
Cristian算法有統一的服務器對時，所有的結點和這個內部服務器進行對時，但是不同的結點離服務器距離有一定差距，因為有傳輸時間，所以不夠精確。
可以粗糙的用（t1-t0）/2來估計傳輸時間，來減去誤差。
Berkeley算法沒有統一外部服務器，內部自己來進行。
思想：多個機器求平均，這樣誤差相互抵消，機器越多越接近真實時間。
以上兩種屬於全局統一物理時鍾，都是通過對時來完成。但是對時代價太高（對時頻率需要很高，網絡通信瀏覽大，不去進行昂貴的對時是我們追求的）於是想到邏輯時鍾的概念。
首先介紹Happens-Before概念：因為很多應用的同步問題並不一定需要精確到同樣的時間，可以僅僅是一個先后順序的約束，只定義誰先誰后，去掉不必要的時鍾同步，僅僅在需要同步的兩台機器上進行同步就可以了，解決物理時鍾不知道什么時候同步，頻率難以控制的問題。
規則：
解釋：HB1很好理解，對於單機來說只有一個執行的先后順序；HB2的意思是接收消息的時候調時間。保證接受機器的時間不能小於發送機器發送時的時間；HB3指happens—before關系具有傳遞性。
舉例：
圖中abcdf有happens before關系，而a，e執行先后沒有規定，都可以。
邏輯時鍾就是基於happens before關系建立起來的。
邏輯時鍾的一個實現：
順序計數器 （lamport時鍾）
舉例：
（上圖發送沒問題，回來的過程有問題，需要按規則修改） 
ps：ab之間有happenbefore關系則a值小於b值（如H和E），但是如果a值小於b值則不一定a在b之前，比如圖中C3 H1，但是H和C的先后順序不確定。即數字大小並不能推出先后關系。
這就是邏輯時鍾的問題，僅憑數字時間無法推測出時間發生的先后順序，想像QQ群場景，AB發送消息，A先發B后發，按理應該C接受A、B這么一個順序，但是用lamport時鍾，A為3B為5，無論先A，改成4，然后B改成6還是先B改成6后A不變，最后都是6，沒什么差別，這時順序圖都是一樣的，無法保證接收AB的先后性（發送可以保證），也就是之前說的數字沒法控制先后順序。要想實現這種因果序列，則需要矢量時鍾。可以用全局序（QQ場景可以統一server，然后各個節點去拉取，有服務器一般都可以大大簡化系統設計難度。（選舉的集中式比純分布式簡化很多，我的理解就像zab和paxos這種區別。）集中式也是被廣泛運用的），如果沒有服務器或不能做全局序（純分布式lamport時鍾實現代價太大），就要用其他方法。於是就有了第三類向量時鍾。更深入的學習向量時鍾，參考博文：分布式系統：向量時鍾