leader演算法

A. 什麼是混合共識演算法

轉載泛融科技創始人譚宜勇博士的回答：

共識是區塊鏈技術的核心演算法，也基本上決定了該鏈的效率。區塊是機器之間所需要共識的內容。賬戶層面，通過OLog(n)的Merkle驗證樹，可以快速定位出被篡改的數據，遍歷StateTree安全獲取用戶余額，防止雙花的出現。

區塊鏈通過共識演算法，讓機器之間達成信任的基礎，從實踐上就是去解決拜占庭將軍問題。BFT（拜占庭將軍容錯）裡面，3F+1<N可以說是重要的共識理論，在實踐中，BFT有多種變種演算法：PBFT、RBFT、Q/U、HQ、Zyzzyva、ABsTRACTs、Aardvark、Adapt、A2M-PBFT-EAandMinBFT等等。這些演算法，都根據不同設定的場景，從消息的廣播方式、節點網路拓撲、硬體配置等方面進行了效率的優化。共識目標是達成共識，最終的解決方案就是投票（Vote），無論是BFT、PoW、PoS、DPoS……投票就有點模擬人類的生產模式，在區塊鏈裡面，是機器去投票。BFT類似於4PC（四段式）提交，從PrePrepare，PrePare，Commit，Reply四個階段。每個階段都要把消息廣播給網路中的所有節點，參與下一個階段的投票。

BFT最大的問題是節點之間的消息廣播，會特別多。而且必須事先確定本次消息投票的節點基數。結合BFT投票性能差的問題，我們提出了一種方案，讓BFT僅僅參與很少的投票過程，例如就是節點基數上。假定有100個備選節點，如何選出21個節點出來？每個節點記多少個塊？這100個節點的能否達到了當前最高的高度，網路延遲等性能能否達標？這些信息，實際上跟我們交易沒有任何關系。但是又會影響到整個鏈的性能。我們用PBFT去解決節點基數問題，為後續的交易廣播和區塊投票，提供了更高更高效的基礎設施。在這一層，大家都是平等的，沒有權益的參與。

下一步，Raft是一個Leader-Follow的演算法，每一輪Term會隨機選出一個Leader來，負責交易的收集和廣播，其他節點Follow主節點的信息。在垂直的區塊鏈3.0應用中，對鏈上的VM性能要求更高，而不是簡單的棧式計算（EVM）了。例如游戲的主伺服器邏輯放，如果每個節點都參與VM的計算，會造成大量的資源浪費。大數據處理系統裡面，Raft可以去解決分工問題，做一個工作的調度者，可以讓任務公平、安全的分發到不同的節點機器上。這樣好處是可以通過幾台機器，構建一個超級機器。Raft共識在我們鏈中，負責交易的驗證廣播分發，這是成塊的基礎，如果交易都是錯誤的，那就無需要進入區塊了。

最後我們結合了DPoS共識演算法，隨機生成當前的輪值節點，對已驗證過的交易進行打包和區塊頭的廣播。區塊僅僅是個頭部驗證信息而已，可以快速的到達每台機器。關於輪值的節點，我們認為一個節點每次就記一次塊。出塊速度由網路較好的節點決定，由他們構成了超級節點記賬模式。

B. 都快2021年了，演算法崗位應該怎樣准備面試

說到演算法崗位，現在網上的第一反應可能就是內卷，演算法崗位也號稱是內卷最嚴重的崗位。針對這個問題，其實之前我也有寫過相關的文章。這個崗位競爭激烈不假，但我個人覺得稱作內卷有些過了。就我個人的感覺，這幾年的一個大趨勢是從迷茫走向清晰。

早在2015年我在阿里媽媽實習的時候，那個時候我覺得其實對於演算法工程師這個崗位的招聘要求甚至包括工作內容其實業內是沒有一個統一的標準的。可以認為包括各大公司其實對這個崗位具體的工作內容以及需要的候選人的能力要求都不太一致，不同的面試官有不同的風格，也有不同的標准。

我舉幾個例子，第一個例子是我當初實習面試的時候，因為是本科生，的確對機器學習這個領域了解非常非常少，可以說是幾乎沒有。但是我依然通過了，通過的原因也很簡單，因為有acm的獲獎背景，面試的過程當中主要也都是一些演算法題，都還算是答得不錯。但是在交叉面試的時候，一位另一個部門的總監就問我有沒有這塊的經驗？我很明確地說了，沒有，但是我願意學。

接著他告訴我，演算法工程師的工作內容主要和機器學習相關，因此機器學習是基本的。當時我就覺得我涼了，然而很意外地是還是通過了面試。

核心能力

由於我已經很久沒有接觸校招了，所以也很難說校招面試應該怎麼樣准備，只能說說如果是我來招聘，我會喜歡什麼樣的學生。也可以理解成我理解的一個合格優秀的演算法工程師應該有的能力。

模型理解

演算法工程師和模型打交道，那麼理解模型是必須的。其實不用說每一個模型都精通，這沒有必要，面試的時候問的模型也不一定用得到。但更多地是看重這個人在學習的時候的習慣，他是淺嘗輒止呢，還是會刨根究底，究竟能夠學到怎樣的地步。

在實際的工作當中我們可能會面臨各種各樣的情況，比如說新加了特徵但是沒有效果，比如升級了模型效果反而變差了等等，這些情況都是有可能發生的。當我們遇到這些情況之後，需要我們根據已知的信息來推理和猜測導致的原因從而針對性的採取相應的手段。因此這就需要我們對當前的模型有比較深入地了解，否則推導原因做出改進也就無從談起。

所以面試的時候問起哪個模型都不重要，重要的是你能不能體現出你有過深入的研究和理解。

數據分析

演算法工程師一直和數據打交道，那麼分析數據、清洗數據、做數據的能力也必不可少。說起來簡單的數據分析，這當中其實牽扯很多，簡單來說至少有兩個關鍵點。

第一個關鍵點是處理數據的能力，比如SQL、hive、spark、MapRece這些常用的數據處理的工具會不會，會多少？是一個都不會呢，還是至少會一點。由於各個公司的技術棧不同，一般不會抱著候選人必須剛好會和我們一樣的期待去招人，但是候選人如果一無所知肯定也是不行的。由於學生時代其實很少接觸這種實踐的內容，很多人對這些都一無所知，如果你會一兩個，其實就是加分項。

第二個關鍵點是對數據的理解力，舉個簡單的例子，比如說現在的樣本訓練了模型之後效果不好，我們要分析它的原因，你該怎麼下手？這個問題日常當中經常遇到，也非常考驗演算法工程師對數據的分析能力以及他的經驗。數據是水，模型是船，我們要把船駛向遠方，只懂船隻構造是不行的，還需要對水文、天象也有了解。這樣才能從數據當中捕捉到trick，對一些現象有更深入的看法和理解。

工程能力

雖然是演算法工程師，但是並不代表工程能力不重要，相反工程能力也很重要。當然這往往不會成為招聘的硬性指標， 比如考察你之前做過什麼工程項目之類的。但是會在你的代碼測試環節有所體現，你的代碼風格，你的編碼能力都是你面試的考察點之一。

並不只是在面試當中如此，在實際工作當中，工程能力也很關鍵。往小了說可以開發一些工具、腳本方便自己或者是團隊當中其他人的日常工作，往大了說，你也可以成為團隊當中的開發擔當，負責其團隊當中最工程的工作。比如說復現一篇paper，或者是從頭擼一個模型。這其實也是一種差異化競爭的手段，你合理地負擔起別人負擔不了的工作，那麼自然就會成為你的業績。

時代在變化，行業在發展，如今的校招會問些什麼早已經和當年不同了。但不管怎麼說，這個崗位以及面試官對於人才的核心訴求幾乎是沒有變過的，我們從核心出發去構建簡歷、准備面試，相信一定可以有所收獲。

C. 如何解決 raft 演算法中 leader 節點的負載均衡問題

raft 演算法中是有 leader 的，而且所有操作請求都要轉發到 leader 節點，再由 leader 節點發日誌到各 follower 節點同步。那麼 leader 就會成為一個性能瓶頸，因為所有操作都要發到 leader 上處理。

D. zookeeper有什麼功能，選舉演算法如何進行

選舉機制(FastLeaderElection演算法)：sid最大且被超過集群中超過半數的機器擁護就會成為leader. 所以只有兩種情況無法選出leader： 整個集群只有2台伺服器（注意不是只剩2台，而是集群的總節點數為2） 整個集群超過半數機器掛掉。 所謂的偶數問題...

E. 如何在SMR系統中使用PAXOS演算法

先來看一下用於在分布式節點間傳遞提案（accept_req）的數據結構：
struct accept_req {
node_id_t node_id;
view_stamp msg_vs;
view_stamp req_canbe_exed;
};

struct view_stamp {
view_id_t view_id;
req_id_t req_id;
};

typedef uint32_t view_id_t;

對應它，我們還需要在節點上維護幾個變數：
highest_committed_vs
highest_seen_vs
highest_to_commit_vs
我們的分布式系統使用的是三個節點，其中一個是leader，其餘兩個是secondary node。
highest_seen_vs表示該節點目前接收到的請求中提案號最大的。
在leader上，highest_seen_vs用於產生一個請求的提案號（也就是上面提到的view_stamp這個數據結構）：
view_stamp next = get_next_view_stamp(comp);

view_stamp_inc(comp->highest_seen_vs);

leader每從client接收一個請求（准確地說，應該是一個socket operation，包括connect, send, close三種），就將next與這個請求綁定，按照到來的順序依次加1。leader節點上的highest_seen_vs可以代表目前已接收請求中編號最大的那個。
在secondary節點上，highest_seen_vs的更新要根據來自leader的提案（一開始提到的accept_req）。這個提案代表一個請求，所以它包含這個請求的提案編號 msg_vs。當secondary節點接收到這個提案後，會將提案的msg_vs和這個節點上維護的highest_seen_vs進行比較，如果前者比後者大，就將後者更新為前者：
// update highest seen request
if(view_stamp_comp(&msg->msg_vs,comp->highest_seen_vs)>0){
*(comp->highest_seen_vs) = msg->msg_vs;
}

再回到leader上，看看這個提案是如何構造的。一個提案代表一個請求。通過上面的介紹，我們已經知道提案中的msg_vs就是leader分配給這個提案的編號，那req_canbe_exed代表什麼呢？先介紹一下highest_to_commit_vs：
highest_to_commit_vs表示該節點即將要提交的請求。
提交請求指的是這個請求已經獲得三個節點大多數（兩個或三個節點）認可，可以把它提交給真正的伺服器進行處理。這是PAXOS用來將一個請求在三個節點間達成一致的方式。
highest_committed_vs 表示已經提交的請求中最大編號。
也就是說，請求可以分成三種類型：已被接收但未被認可，已認可但未被提交，已提交。
再回到leader上的req_canbe_exed，在leader構造一個請求的提案時，有：
msg->req_canbe_exed.view_id = comp->highest_to_commit_vs->view_id;
msg->req_canbe_exed.req_id = comp->highest_to_commit_vs->req_id;

可見req_canbe_exed傳達的是leader節點上即將要提交的請求的提案號。當這個提案發給secondary節點時，secondary節點會把該提案中的req_canbe_exed與自身的highest_to_commit_vs進行比較，如果前者大，就將後者更新為前者：
if(view_stamp_comp(&msg->req_canbe_exed,
comp->highest_to_commit_vs)>0){
// 如果前者大於後者
*(comp->highest_to_commit_vs) = msg->req_canbe_exed;
SYS_LOG(comp,"Now Node %d Can Execute Request %u : %u .\n",
comp->node_id,
comp->highest_to_commit_vs->view_id,
comp->highest_to_commit_vs->req_id);
}

F. 一個關於投票的C語言問題

for(i=1;i<=10;i++)
scanf("%s %s",leader_name1,leader_name2);
這里有點問題，你就把他們分開寫，這樣輸入你輸入的啥名字啊？
你的判斷這塊也有問題。
就是幾個if這里
我在看看
樓上的你也有問題啊。
如果有了廢票那它還是要加 1 啊怎麼會直接
if (strcmp(leader_name1,leader_name2)==0) //先判斷是否選的同一人，如果是的話就把廢票加1，然後就把被投人的票數加一；
{feipiao=feipiao+1;
for(j=0;j<3;j++)
if(strcmp(leader_name1,leader[j].name)==0) leader[j].count++;
}
else //說明不是廢票直接就判斷是投給那兩個人了。。分別把票數加一。
{
for(j=0;j<3;j++)
if(strcmp(leader_name1,leader[j].name)==0) leader[j].count++;
if(strcmp(leader_name2,leader[j].name)==0) leader[j].count++;
}
這樣你試試。

G. cutleader中異形排版演算法是什麼意思

cut leader
切的領導者

H. 大魚吃小魚游戲中用到過哪些演算法

大魚吃小魚游戲中用到過ZooKeeper的演算法。

ZooKeeper是一個分布式的，開放源碼的分布式應用程序協調服務，是Google的Chubby一個開源的實現（Chubby是不開源的），它是集群的管理者，監視著集群中各個節點的狀態根據節點提交的反饋進行下一步合理操作。最終，將簡單易用的介面和性能高效、功能穩定的系統提供給用戶 。

Zookeeper一個最常用的使用場景就是用於擔任服務生產者和服務消費者的注冊中心，服務生產者將自己提供的服務注冊到Zookeeper中心，服務的消費者在進行服務調用的時候先到Zookeeper中查找服務，獲取到服務生產者的詳細信息之後，再去調用服務生產者的內容與數據。

ZooKeeper 的架構圖中我們需要了解和掌握的主要有：

（1）ZooKeeper分為伺服器端（Server） 和客戶端（Client），客戶端可以連接到整個 ZooKeeper服務的任意伺服器上（除非 leaderServes 參數被顯式設置， leader 不允許接受客戶端連接）。

（2）客戶端使用並維護一個 TCP 連接，通過這個連接發送請求、接受響應、獲取觀察的事件以及發送信息。如果這個 TCP 連接中斷，客戶端將自動嘗試連接到另外的 ZooKeeper伺服器。

客戶端第一次連接到 ZooKeeper服務時，可以接受這個連接的 ZooKeeper伺服器會為這個客戶端建立一個會話。當這個客戶端連接到另外的伺服器時，這個會話會被新的伺服器重新建立。

（3）上圖中每一個Server代表一個安裝Zookeeper服務的機器，即是整個提供Zookeeper服務的集群（或者是由偽集群組成）。

I. 配置奇數個zookeeper 只起偶數個活的zookeeper 怎麼選舉leader

選舉機制(FastLeaderElection演算法)：sid最大且被超過集群中超過半數的機器擁護就會成為leader.
所以只有兩種情況無法選出leader：
整個集群只有2台伺服器（注意不是只剩2台，而是集群的總節點數為2）
整個集群超過半數機器掛掉。
所謂的偶數問題其實是另一個集群優化配置問題，即:集群的容災數量=集群總節點數/2-1
假如集群有5節點，那麼最多允許2個節點掛掉，如果有3節點掛了，那麼整個集群的選舉結果不會滿足條件：集群中超過半數的機器擁護。
假如集群有6個節點，那麼最多也只能掛掉2台，因為掛了3台時，選舉結果也不會滿足條件:集群中超過半數的機器擁護。
結果可以看出，多那一台用處並不大。所以集群總數推薦為奇數。

J. 如何成為演算法leader

專業知識扎實。
擁有特別強大的專業知識，就會成為演算法leader。
演算法（Algorithm）是指解題方案的准確而完整的描述，是一系列解決問題的清晰指令，演算法代表著用系統的方法描述解決問題的策略機制。也就是說，能夠對一定規范的輸入，在有限時間內獲得所要求的輸出。如果一個演算法有缺陷，或不適合於某個問題，執行這個演算法將不會解決這個問題。不同的演算法可能用不同的時間、空間或效率來完成同樣的任務。一個演算法的優劣可以用空間復雜度與時間復雜度來衡量。一個演算法必須具有：有窮性、確切性、輸入項、輸出項、可行性五個性質。