Skip to content

README.md

Latest commit

 

History

History
201 lines (141 loc) · 9.46 KB

README.md

File metadata and controls

201 lines (141 loc) · 9.46 KB
Raw

gossip-lab 小实验说明

1. 实验目标

本目录提供 3 个基于 Java 的 Gossip 协议小实验，方便在学习理论后一键运行、观察协议在「心跳传播」「故障检测」「网络分区 / 脑裂」等场景下的行为。

1.1 代码位置

实验代码与脚本位于：

  • 源码：src/main/java/com/bigdatatheory/gossip/**
  • 脚本：scripts/*.sh

1.2 运行前置条件

  • 已安装 Java 8 或以上版本
  • 在仓库根目录下执行命令前，建议先 git pull 保持代码最新
  • 所有脚本都会自动调用本目录下的 build.sh，使用 Maven 构建可执行 JAR，无需手动编译

1.3 快速一键体验

在仓库根目录下执行：

# 进入 gossip-lab 目录，后续三个实验都在此目录下运行
cd courses/other/gossip-lab

# 实验一：单进程心跳 Gossip 模拟
bash scripts/run-gossip-simulation.sh

# 实验二：alive/suspect/dead 故障检测模拟
bash scripts/run-membership-simulation.sh

# 实验三：网络分区 / 消息丢失导致的脑裂
bash scripts/run-partition-simulation.sh

2. 实验一：单进程心跳 Gossip 模拟（run-gossip-simulation.sh）

对应理论：Gossip 基本模型、心跳传播与收敛速度（参见讲义 2.3 收敛性与复杂度分析）。

2.1 实验目的

  • 观察心跳在固定规模节点中的扩散过程
  • 感受「随机对等节点传播」带来的快速收敛特性
  • 验证理论上关于 O(log N) 级别收敛轮数的直观印象

2.2 运行方式

在 courses/other/gossip-lab 目录下执行：

# 5 个节点，模拟 20 轮 Gossip 心跳传播
bash scripts/run-gossip-simulation.sh 5 20

脚本参数与默认值如下：

位置 参数名 含义 默认值 推荐值
$1 NODE_COUNT 集群节点数 5 5、10
$2 ROUNDS 模拟轮数（每轮每个节点 tick 一次） 20 20、30

示例输出（取自 GossipSimulationMain 最后一轮统计）：

# 每个节点看到的成员数量和最大心跳值（不同运行略有差异）
node-0 members=5 maxHeartbeat=20
node-1 members=5 maxHeartbeat=20
node-2 members=5 maxHeartbeat=20
node-3 members=5 maxHeartbeat=20
node-4 members=5 maxHeartbeat=20

2.3 推荐参数与预期现象

  • 推荐配置一：bash scripts/run-gossip-simulation.sh 5 20
    • 预期现象：最终每个节点的 members 数基本等于节点总数 5，maxHeartbeat 接近轮数 20。
    • 含义：心跳经过多轮随机传播后，所有节点都「几乎」同步，体现 Gossip 的最终一致性特征。
  • 推荐配置二：bash scripts/run-gossip-simulation.sh 10 20
    • 预期现象：在相同轮数下，maxHeartbeat 接近 20，但中间过程某些节点对远端节点的心跳更新会稍慢。
    • 含义：节点数增大，收敛仍然较快，但需要更多轮数才能达到「几乎全局同步」。

3. 实验二：alive/suspect/dead 故障检测模拟（run-membership-simulation.sh）

对应理论：SWIM 风格的故障检测、alive/suspect/dead 状态机（参见讲义 3.1 基于心跳的成员管理 与 3.2 SWIM 协议）。

3.1 实验目的

  • 通过显式的 alive/suspect/dead 状态机，观察节点从正常到怀疑再到死亡的转换过程
  • 理解 suspectThreshold、deadThreshold 两个超时参数如何影响故障检测的速度与误判风险

3.2 运行方式

在 courses/other/gossip-lab 目录下执行：

# 5 个节点，总共 20 轮，第 5 轮让 node-2 发生故障
# suspectThreshold=3，deadThreshold=6
bash scripts/run-membership-simulation.sh 5 20 2 5 3 6

脚本参数与默认值如下：

位置 参数名 含义 默认值 推荐值
$1 NODE_COUNT 集群节点数 5 5
$2 ROUNDS 模拟总轮数 20 20、30
$3 FAILED_INDEX 发生故障的节点索引，对应 node-$FAILED_INDEX 2 2
$4 FAILURE_ROUND 触发故障的轮次 5 5
$5 SUSPECT_THRESHOLD 从最后一次心跳开始进入 suspect 的轮数 3 3
$6 DEAD_THRESHOLD 从最后一次心跳开始进入 dead 的轮数 6 6、8

示例输出结构（取自 MembershipSimulationMain 最后一轮视图）：

# 说明行：标记了故障节点、轮数和阈值
failedNode=node-2 failureRound=5 totalRounds=20 suspectThreshold=3 deadThreshold=6

# 每行是一个节点眼中的成员列表及其状态
node-0 view: node-0=ALIVE node-1=ALIVE node-2=DEAD node-3=ALIVE node-4=ALIVE
node-1 view: node-0=ALIVE node-1=ALIVE node-2=DEAD node-3=ALIVE node-4=ALIVE
...

3.3 推荐参数与预期现象

  • 推荐配置：bash scripts/run-membership-simulation.sh 5 20 2 5 3 6
    • 预期时间线（按轮数大致划分）：
      • 轮 < 5：所有节点都认为 node-2 为 ALIVE。
      • 轮 ≈ 5 + suspectThreshold（约第 8 轮）开始：部分节点会把 node-2 标记为 SUSPECT。
      • 轮 ≥ 5 + deadThreshold（约第 11 轮）后：大部分节点会把 node-2 标记为 DEAD。
    • 含义：通过调节 suspectThreshold、deadThreshold 可以权衡「检测速度」与「误判概率」——阈值越小，检测越快但越容易误判；阈值越大，检测越慢但更保守。

4. 实验三：网络分区 / 消息丢失导致的脑裂（run-partition-simulation.sh）

对应理论：网络分区、消息丢失、错误故障判断与脑裂（brain split）现象（参见讲义 4.3 工程实践中的常见问题 - 误判故障与脑裂）。

4.1 实验目的

  • 在没有真正节点宕机的情况下，仅通过丢弃跨分区消息，观察两侧互相「误判死亡」的过程
  • 直观感受网络分区对 Gossip 视图的一致性影响

4.2 运行方式

在 courses/other/gossip-lab 目录下执行：

# 6 个节点，总共 20 轮，从第 5 轮开始到第 20 轮存在网络分区
# suspectThreshold=3，deadThreshold=6，跨分区消息全部丢弃（1.0）
bash scripts/run-partition-simulation.sh 6 20 5 20 3 6 1.0

脚本参数与默认值如下：

位置 参数名 含义 默认值 推荐值
$1 NODE_COUNT 集群节点数 6 6
$2 ROUNDS 模拟总轮数 20 20、30
$3 PARTITION_START 网络分区开始轮数 5 5
$4 PARTITION_END 网络分区结束轮数（包含） 20 20
$5 SUSPECT_THRESHOLD suspect 阈值 3 3
$6 DEAD_THRESHOLD dead 阈值 6 6
$7 CROSS_DROP_PROBABILITY 跨分区消息丢弃概率，1.0 表示全部丢弃 1.0 0.5、1.0

示例输出结构（取自 PartitionSimulationMain 最后一轮视图）：

# 顶部一行给出实验参数和快照轮次
partitioned simulation: nodeCount=6 totalRounds=20 partition=[5,20] suspectThreshold=3 deadThreshold=6 crossDropProbability=1.0 snapshotRound=20

# 两个分区各自认为对方「全部死亡」，形成脑裂
node-0 view: node-0=ALIVE node-1=ALIVE node-2=ALIVE node-3=DEAD node-4=DEAD node-5=DEAD
node-3 view: node-0=DEAD node-1=DEAD node-2=DEAD node-3=ALIVE node-4=ALIVE node-5=ALIVE
...

4.3 推荐参数与预期现象

  • 推荐配置一：bash scripts/run-partition-simulation.sh 6 20 5 20 3 6 1.0
    • 预期现象：
      • 节点 node-0 ~ node-2 形成一个分区，node-3 ~ node-5 形成另一个分区。
      • 在最后几轮，各自分区内的节点都认为「自己分区内部 ALIVE，对方分区全部 DEAD」，典型脑裂。
  • 推荐配置二：bash scripts/run-partition-simulation.sh 6 20 5 20 3 6 0.5
    • 预期现象：
      • 由于跨分区消息有一半概率仍然送达，一部分节点会对对方分区的状态在 ALIVE 和 SUSPECT / DEAD 之间摇摆。
    • 含义：通过调整 crossDropProbability 可以连续地从「完全连通」过渡到「完全断联」，观察 Gossip 在不同网络质量下的收敛与误判行为。

5. 理论学习与实验联动建议

  • 先阅读 Gossip 协议的基础理论（2. Gossip 核心原理与系统模型），重点理解 心跳传播 与 最终一致性，再运行实验一，感受收敛速度与成员视图变化。
  • 阅读 SWIM / 故障检测相关章节（3.1 基于心跳的成员管理、3.2 SWIM 协议）后，运行实验二，重点观察 alive -> suspect -> dead 状态出现的轮数与阈值之间的关系。
  • 理解网络分区与脑裂（4.3 工程实践中的常见问题）后，运行实验三，通过调整 CROSS_DROP_PROBABILITY 和时长区间 [PARTITION_START, PARTITION_END]，尝试构造不同程度的 误判与脑裂 场景。