區(qū)塊鏈?zhǔn)且环N分布式系統(tǒng)。不了解分布式系統(tǒng)的工作原理，很難真正理解區(qū)塊鏈。

而不理解區(qū)塊鏈的麻煩，在于會(huì)陷入到對(duì)「去中心化」、「無需許可」等等概念以及「TPS」、「安全」等等問題失去語境的討論中去。這不僅無助于我們?nèi)?zhǔn)確地分析和判斷一個(gè)區(qū)塊鏈項(xiàng)目，也讓我們無法認(rèn)清區(qū)塊鏈在技術(shù)上的可能的發(fā)展路線。

更直白來講，我們需要掌握分布式系統(tǒng)的一些基礎(chǔ)知識(shí)。因?yàn)檫@樣，我們就能看到區(qū)塊鏈本身的局限性，我們就知道任何一個(gè)真正有價(jià)值的區(qū)塊鏈項(xiàng)目都應(yīng)該：為了解決特定的問題，在特定的環(huán)境中，做出特定的解決方案。

單純的指標(biāo)比較并不客觀，更好的判斷標(biāo)準(zhǔn)是：這種方案是否適合于解決這個(gè)問題。

了解分布式系統(tǒng)的工作原理對(duì)區(qū)塊鏈?zhǔn)澜绶浅Ｖ匾Ｄ敲船F(xiàn)在，就讓我們開啟分布式系統(tǒng)的探索之旅吧。

計(jì)算機(jī)的作用是處理信息，我們輸入條件 A 給它，它輸出結(jié)果 B 給我們。如果處理信息的工作是由一臺(tái)計(jì)算機(jī)完成的，這是一種中心化的結(jié)構(gòu)；如果處理信息的工作是由多臺(tái)獨(dú)立的計(jì)算機(jī)合作完成的，我們可以稱其為「分布式的系統(tǒng)」。

分布式系統(tǒng)有多種不同的架構(gòu)，用以實(shí)現(xiàn)不同的處理信息的方法。假設(shè)系統(tǒng)中有十臺(tái)計(jì)算機(jī)，一種架構(gòu)是：我們把一個(gè)計(jì)算任務(wù)分成十份，讓每臺(tái)計(jì)算機(jī)獨(dú)立處理一份任務(wù)，最后匯總它們的計(jì)算結(jié)果，作為輸出。

還有另一種架構(gòu)，就是讓這十臺(tái)計(jì)算機(jī)都去處理這一個(gè)計(jì)算任務(wù)，如果所有的計(jì)算機(jī)都正常工作，它們的計(jì)算結(jié)果應(yīng)該是一樣的，那么就把這個(gè)一致的計(jì)算結(jié)果作為輸出。區(qū)塊鏈就是這樣的一種分布式系統(tǒng)。

很容易就能發(fā)現(xiàn)，這是一個(gè)「自找苦吃」的系統(tǒng)，它相當(dāng)于把同樣的工作做了十次，而且還需要額外增加不同計(jì)算機(jī)之間的溝通工作。

那為什么還需要這種系統(tǒng)？因?yàn)樗梢宰屛覀兠獬龑?duì)中心化的那一臺(tái)計(jì)算機(jī)，以及那臺(tái)計(jì)算機(jī)背后的中心化的公司或組織的依賴。這樣一來，既能避免單點(diǎn)故障或作惡，也能減少權(quán)力的集中及濫用。

一、分布式系統(tǒng)的理想目標(biāo)

區(qū)塊鏈所屬的分布式系統(tǒng)也被稱為「復(fù)制狀態(tài)機(jī)模型」（Replicated State Machine），它的目標(biāo)很簡(jiǎn)單：系統(tǒng)內(nèi)全部的計(jì)算機(jī)都同意某一個(gè)輸出值，也就是指：系統(tǒng)內(nèi)所有的節(jié)點(diǎn) / 計(jì)算機(jī)都有相同的初始狀態(tài)，在執(zhí)行完一個(gè)事務(wù)后，所有的節(jié)點(diǎn)都有相同的最終狀態(tài) 。

如果計(jì)算機(jī)都運(yùn)行良好，它們之間的通信也完全同步，實(shí)現(xiàn)這個(gè)目標(biāo)并不困難。但現(xiàn)實(shí)不是如此，主要有以下兩類問題：

1. 某臺(tái) / 某些計(jì)算機(jī)出現(xiàn)故障，它可能無法計(jì)算出結(jié)果，也可能連接不上系統(tǒng)。

2. 如果不同計(jì)算機(jī)收到事件的順序不同，對(duì)事件的處理順序就會(huì)不同，導(dǎo)致輸出結(jié)果也不同。比如（a+b）×c 與 a+（b×c）就是兩種不同的計(jì)算順序，會(huì)帶來不同的計(jì)算結(jié)果。

這些問題是常見且不可避免的，而一旦出現(xiàn)問題，就無法實(shí)現(xiàn)全部的計(jì)算機(jī)都同意某一個(gè)輸出結(jié)果。著名的分布式系統(tǒng)「FLP 不可能原理」是這樣描述的：在網(wǎng)絡(luò)可靠，但允許節(jié)點(diǎn)失效的最小化異步模型系統(tǒng)中，不存在一個(gè)可以解決一致性問題的確定性共識(shí)算法。通俗而言就是：只要系統(tǒng)中有一臺(tái)計(jì)算機(jī)出問題，該系統(tǒng)就無法在輸出值上達(dá)成共識(shí)。

FLP 不可能原理告訴我們：不要浪費(fèi)時(shí)間去為分布式系統(tǒng)設(shè)計(jì)面向所有場(chǎng)景的共識(shí)算法，那是不可能實(shí)現(xiàn)的。

二、分布式系統(tǒng)的共識(shí)算法

雖然 FLP 不可能原理很殘酷，但分布式系統(tǒng)能夠帶來的好處是值得我們迎難而上的。既然不存在面向所有場(chǎng)景的共識(shí)算法，那么也許可以找到一些在特定場(chǎng)景中有效的共識(shí)算法。共識(shí)算法，是指讓分布式系統(tǒng)達(dá)成共識(shí)的方法。

讓我們看看科學(xué)家們是如何一步一步限定場(chǎng)景，并實(shí)現(xiàn)該場(chǎng)景下的共識(shí)算法的。

首先，如果系統(tǒng)中的每一臺(tái)計(jì)算機(jī)都可以提出自己的結(jié)果，場(chǎng)面無疑是復(fù)雜的，因?yàn)槲覀冞B就哪一個(gè)結(jié)果去達(dá)成共識(shí)都無法知曉。所以解決共識(shí)問題的第一步是確定共識(shí)的到底是什么，最簡(jiǎn)單的方法就是某一臺(tái)計(jì)算機(jī)說了算，它提出一個(gè)結(jié)果，其他的計(jì)算機(jī)來表態(tài)是否同意這個(gè)結(jié)果。

說了算的那臺(tái)計(jì)算機(jī)被稱為提案者或者領(lǐng)導(dǎo)者。雖然通過領(lǐng)導(dǎo)者來實(shí)現(xiàn)共識(shí)并不是唯一解決問題的方法，但絕大多數(shù)協(xié)議都是在此基礎(chǔ)上實(shí)現(xiàn)的，包括區(qū)塊鏈系統(tǒng)中使用的共識(shí)算法。

所以你看，并沒有絕對(duì)的去中心化，實(shí)現(xiàn)共識(shí)的第一步就是要確定一個(gè)中心。

題外話：當(dāng)我們知道這一點(diǎn)后，就能建立起關(guān)于去中心化的更有效的討論，比如在此處就可以不泛泛而談去中心化，而是：選出這個(gè)領(lǐng)導(dǎo)者的方法是否去中心化。

回到主題。需要領(lǐng)導(dǎo)者的共識(shí)算法的工作步驟大致是這樣的：

1. 選出一個(gè)領(lǐng)導(dǎo)者；

2. 領(lǐng)導(dǎo)者提出一個(gè)結(jié)果；

3. 追隨者確定是否同意這個(gè)結(jié)果；

4. 如果大家就結(jié)果達(dá)成了共識(shí)，系統(tǒng)輸出最終結(jié)果；如果大家未達(dá)成共識(shí)，回到步驟 1 重新開始。

這種思路提供了一種可以達(dá)成共識(shí)的方法，但它離真正實(shí)現(xiàn)共識(shí)還很遙遠(yuǎn)。因?yàn)槿绻慌_(tái)計(jì)算機(jī)連接不上系統(tǒng)，它就無法表決自己是否同意領(lǐng)導(dǎo)者的結(jié)果；如果出現(xiàn)問題的計(jì)算機(jī)恰好是領(lǐng)導(dǎo)者，情況就會(huì)更糟糕，整個(gè)系統(tǒng)會(huì)進(jìn)入停滯狀態(tài)。

三、同步性假設(shè)共識(shí)算法

如何解決上述宕機(jī)的問題？方法說起來很簡(jiǎn)單：如果一臺(tái)計(jì)算機(jī)連不上系統(tǒng)，就忽略它，不要它參與這一輪的共識(shí)。

那么新的問題來了，我們?cè)趺粗浪沁B接不上系統(tǒng)，還是它正在參與共識(shí)只不過速度比別的機(jī)器慢？

因此，科學(xué)家們發(fā)展出了解決共識(shí)問題的最重要的一個(gè)假設(shè)：同步性假設(shè)。同步性假設(shè)引入「超時(shí)」概念，也就是說事先設(shè)定一個(gè)時(shí)間范圍，如果領(lǐng)導(dǎo)者無法在該時(shí)間范圍內(nèi)發(fā)出提案，就淘汰它，選出一個(gè)新的領(lǐng)導(dǎo)者。這樣一來就可以容忍領(lǐng)導(dǎo)者節(jié)點(diǎn)出現(xiàn)問題。（注：同步性假設(shè)不等于同步假設(shè)）

Paxos 算法和 Raft 算法都是基于同步性假設(shè)提出來的。但這兩個(gè)算法還需要對(duì)系統(tǒng)做另一種假設(shè)，即認(rèn)為系統(tǒng)內(nèi)所有的計(jì)算機(jī)都是「好人」，它們要么正確地響應(yīng)領(lǐng)導(dǎo)者的提案，要么因?yàn)楣收蠠o法響應(yīng)。

然后再制定一條規(guī)則：只要系統(tǒng)內(nèi)過半數(shù)的計(jì)算機(jī)接受了領(lǐng)導(dǎo)者的提案，就把該提案作為系統(tǒng)的最終結(jié)果。這樣一來，就不用等待所有的計(jì)算機(jī)都做出響應(yīng)，從而可以容忍追隨者節(jié)點(diǎn)出現(xiàn)問題。

于是，我們終于擁有了一個(gè)可以實(shí)現(xiàn)共識(shí)的分布式系統(tǒng)，雖然對(duì)它有嚴(yán)格的條件限定。

Paxos 共識(shí)算法是由萊斯利·蘭伯特（Leslie Lamport）在 1990 年提出的一種基于消息傳遞且具有高度容錯(cuò)特性的一致性算法，它在分布式系統(tǒng)應(yīng)用領(lǐng)域有著重要的地位，包括 Google 在內(nèi)的許多公司的大型分布式系統(tǒng)采用的都是該算法。而我們第一階段的探索也可以在此處結(jié)束，接下來是第二階段。

四、解決掉系統(tǒng)中的「壞人」

Paxos 雖然能實(shí)現(xiàn)共識(shí)，但它的算法是建立在所有計(jì)算機(jī)都是「好人」的基礎(chǔ)上的，這些計(jì)算機(jī)要么沉默，要么發(fā)出正確的聲音，因此整個(gè)系統(tǒng)中只有一種聲音，大家就這個(gè)聲音達(dá)成共識(shí)即可。而如果計(jì)算機(jī)中有「壞人」，系統(tǒng)里就會(huì)出現(xiàn)壞人的聲音和好人的聲音，Paxos 算法無法處理這一情況。

我們需要在有壞人的情況下也可以實(shí)現(xiàn)共識(shí)的算法，有沒有可能？萊斯利·蘭伯特建立了一個(gè)模型來討論這種可能性，該模型被稱作拜占庭將軍問題，其中的拜占庭節(jié)點(diǎn)就是壞人節(jié)點(diǎn)，它們會(huì)傳遞干擾信息阻礙整個(gè)系統(tǒng)達(dá)成共識(shí)。

在論文《The Byzantine Generals Problem》中，蘭伯特提出了幾種解決方案，其中一種可以在拜占庭節(jié)點(diǎn)不到 1/3 時(shí)實(shí)現(xiàn)系統(tǒng)的共識(shí)。也就是說，如果系統(tǒng)中壞人的數(shù)量少于 1/3，就可以通過算法實(shí)現(xiàn)共識(shí)。

這之后出現(xiàn)的 DLS 算法、PBFT 算法（實(shí)用拜占庭容錯(cuò)算法）都是在此基礎(chǔ)上發(fā)展出來的。

PBFT 是具有代表性的一種拜占庭容錯(cuò)算法，其實(shí)現(xiàn)過程大致如下。不理解該過程也沒關(guān)系，知道通過這種溝通方式能夠達(dá)成共識(shí)就可以。

1. pre-prepare 階段：領(lǐng)導(dǎo)者發(fā)送結(jié)果給所有追隨者。領(lǐng)導(dǎo)者在本圖中是 0 號(hào)節(jié)點(diǎn)，它把結(jié)果發(fā)給追隨者 1、2、3 號(hào)節(jié)點(diǎn)。

2. prepare 階段：如果追隨者認(rèn)為結(jié)果沒有錯(cuò)誤，就告訴所有其他節(jié)點(diǎn)自己認(rèn)可這個(gè)結(jié)果。比如 1 號(hào)節(jié)點(diǎn)會(huì)把自己的認(rèn)可消息發(fā)給 0、2、3 號(hào)節(jié)點(diǎn)。

3. commit 階段：如果追隨者發(fā)現(xiàn)超過 2/3 的節(jié)點(diǎn)認(rèn)可了領(lǐng)導(dǎo)者的結(jié)果，就告訴所有其他節(jié)點(diǎn)自己接受這個(gè)結(jié)果為最終結(jié)果。

4. reply 階段：如果領(lǐng)導(dǎo)者和追隨者發(fā)現(xiàn)超過 2/3 的節(jié)點(diǎn)接受了最終結(jié)果，就可以認(rèn)為大部分節(jié)點(diǎn)達(dá)成了共識(shí)，就把該共識(shí)反饋給客戶端；如果客戶端收到超過 1/3 的節(jié)點(diǎn)的相同的共識(shí)，就可以認(rèn)為全網(wǎng)達(dá)成了共識(shí)。

到此，我們就解決了有拜占庭節(jié)點(diǎn)的分布式系統(tǒng)的共識(shí)問題。不過如果系統(tǒng)中壞人的數(shù)量等于或多于 1/3，依然是無法達(dá)成共識(shí)的。我們能做的是通過系統(tǒng)的準(zhǔn)入條件或激勵(lì)措施，讓壞人可以少于 1/3。

對(duì)分布式系統(tǒng)的第二階段的探索到這里就結(jié)束了，接下來進(jìn)入到第三階段。

五、中本聰共識(shí)算法

不管 Paxos 還是 PBFT，都使用了同步性假設(shè)，事實(shí)上，大家對(duì)共識(shí)算法的研究幾乎都是在該方向上的，直到中本聰共識(shí)的出現(xiàn)。中本聰共識(shí)使用的是非確定性機(jī)制。

這是什么意思呢？我們可以把一個(gè)由 12 臺(tái)計(jì)算機(jī)組成的分布式系統(tǒng)想象成一個(gè)由 12 名陪審員組成的陪審團(tuán)。我們把這 12 個(gè)人關(guān)在會(huì)議室里，遞進(jìn)去一張紙條闡述案情，然后坐在會(huì)議室門口等他們給出審理的結(jié)果。

這 12 個(gè)人對(duì)于如何判決會(huì)有不同的意見，隨著討論的深入也可能改變自己的立場(chǎng)，還有的人可能睡著了無法發(fā)表看法（參考《十二怒漢》）。那么坐在門口等的人有兩種選擇。第一種選擇是你們?nèi)ビ懻摪桑屛业榷嗑枚伎梢?，但最后你們給我的必須是唯一確定的審理結(jié)果；第二種選擇是我等不了，你們先把最多人同意的那個(gè)結(jié)果給我，如果之后出現(xiàn)一個(gè)更多人同意的結(jié)果，我再改成那個(gè)結(jié)果。

顯而易見，我們只能二選一，如果要求結(jié)果確定，就不能保證一定能等到結(jié)果；如果要求拿到結(jié)果，就無法保證該結(jié)果一定是最終結(jié)果。

分布式系統(tǒng)就是這樣，只能二選一，第一種選擇被稱作 Finality，即「結(jié)果的確定性」或安全性；第二種選擇被稱作 Liveness，即網(wǎng)絡(luò)的活性或可用性。

這兩種選擇決定了分布式共識(shí)兩種不同的設(shè)計(jì)思路：

1. 追求 Finality，是優(yōu)先結(jié)果，就要對(duì)網(wǎng)絡(luò)做出要求。PBFT、Tendermint 都是這一類型的算法，它們走的是網(wǎng)絡(luò)的同步性假設(shè)路線，使用這類算法的系統(tǒng)不會(huì)出現(xiàn)分叉。

2. 追求 Liveness，是優(yōu)先網(wǎng)絡(luò)，就要對(duì)結(jié)果做出讓步。中本聰共識(shí)是這一類型的算法，它走的是結(jié)果的非確定性路線，使用這類算法的分布式網(wǎng)絡(luò)始終可用，而且任意節(jié)點(diǎn)都可以隨時(shí)加入 / 離開系統(tǒng)。

題外話，在 Finality 和 Liveness 中二選一也是分布式系統(tǒng) CAP 定理（不可能三角）的體現(xiàn)。該定理說的是：對(duì)于一個(gè)分布式系統(tǒng)來說，不可能同時(shí)滿足一致性、可用性和分區(qū)容錯(cuò)性。因?yàn)榉謪^(qū)容錯(cuò)性是指該系統(tǒng)要能容忍網(wǎng)絡(luò)出現(xiàn)分區(qū)，而現(xiàn)實(shí)網(wǎng)絡(luò)是一定會(huì)分區(qū)的，所以這個(gè)條件必須滿足，那么實(shí)際上，CAP 定理說的是一個(gè)分布式系統(tǒng)不可能同時(shí)滿足一致性和可用性，這其中，CAP 一致性體現(xiàn)的是 Finality，CAP 可用性體現(xiàn)的是 Liveness。

而不管是 FLP 不可能原理，還是 CAP 不可能定理，它們不是在告訴我們：這條路很難走通，你如果突破就是了不起的創(chuàng)新；它們告訴我們的是：這條路走不通，你要做的是根據(jù)需求來做權(quán)衡和選擇。

使用同步性假設(shè)的共識(shí)算法在前文已經(jīng)詳細(xì)地介紹過了，它們通過引入超時(shí)概念忽略出現(xiàn)問題的計(jì)算機(jī)，從而達(dá)成共識(shí)。

使用非確定性機(jī)制的中本聰共識(shí)描述起來也很簡(jiǎn)單：如果你看到某提議的區(qū)塊擁有最多的工作量證明，就接受該區(qū)塊，這也被稱作最長(zhǎng)鏈規(guī)則。它的具體實(shí)現(xiàn)過程大家都很熟悉，本文就不再贅述了。

現(xiàn)在，讓我們看看使用同步性假設(shè)的系統(tǒng)（Finality，PoS 中使用較多）和使用非確定性機(jī)制的系統(tǒng)（Liveness，PoW 中使用較多）有什么不同。但需要提醒的是，并非所有的 PoS 都是 Finality 路線，比如 Casper FFG 就不是；而 PoW 也不是只能走 Liveness 路線，雖然并沒有人設(shè)計(jì) PoW 上的 Finality 共識(shí)。

PoW 和 PoS 的不同在于一個(gè)是 Work，一個(gè)是 Stake。之所以需要強(qiáng)調(diào)這一點(diǎn)，是因?yàn)樵陉P(guān)于 PoW 和 PoS 的討論中，我們往往不是在討論 Work 機(jī)制與 Stake 機(jī)制的不同，而是在比較 Finality 系統(tǒng)與 Liveness 系統(tǒng)的不同。比如「無需許可」性，它基本是一個(gè) Finality 系統(tǒng)與 Liveness 系統(tǒng)的話題，而不是 Work 與 Stake 的爭(zhēng)論點(diǎn)。

讓我們回到有 12 個(gè)評(píng)審員的會(huì)議室。為了追求 Finality，每個(gè)評(píng)審員都需要了解其他每一個(gè)人的想法，也需要把自己的想法告訴其他每一個(gè)人，因此通信復(fù)雜度會(huì)隨著評(píng)審員人數(shù)的增加而迅速遞增，整個(gè)系統(tǒng)將因此不可用，所以必須控制陪審員的數(shù)量。

那么對(duì)于一個(gè)分布式系統(tǒng)而言就是，只挑選少數(shù)節(jié)點(diǎn)進(jìn)入會(huì)議室，由它們決定共識(shí)，而其他節(jié)點(diǎn)只接受共識(shí)。因此這種系統(tǒng)中有三種角色，領(lǐng)導(dǎo)者、追隨者和學(xué)習(xí)者，領(lǐng)導(dǎo)者和追隨者是會(huì)議室中的評(píng)審員，他們需要好好工作，不然可能導(dǎo)致系統(tǒng)無法達(dá)成共識(shí)。

中本聰共識(shí)追求的是 Liveness，節(jié)點(diǎn) / 評(píng)審員不需要與其他的每一個(gè)節(jié)點(diǎn)溝通，它只需要與自己身邊的節(jié)點(diǎn)交流即可，因此通信復(fù)雜度不會(huì)因?yàn)楣?jié)點(diǎn)數(shù)量的增加而增加。你想成為評(píng)審員，就可以走進(jìn)會(huì)議室成為評(píng)審員，無需許可，也不會(huì)增加陪審團(tuán)達(dá)成共識(shí)的難度，同時(shí)你也可以不工作或隨時(shí)離開。該系統(tǒng)中只有領(lǐng)導(dǎo)者和追隨者兩種角色，所有人都在那間會(huì)議室里參與共識(shí)。

這樣看來中本聰共識(shí)似乎更符合大家對(duì)分布式系統(tǒng)的開放性的期望，但別忘了它之所以可以如此設(shè)計(jì)，是因?yàn)闋奚?Finality，它的輸出結(jié)果是一個(gè)概率上的最終結(jié)果。

試想，你百分百在星巴克得到一杯咖啡，但星巴克并不能百分百收到錢，這并不符合大多數(shù)人能理解的世界運(yùn)轉(zhuǎn)規(guī)則。所以非確定性機(jī)制有它自己的短板，以及不適合的場(chǎng)景。

另一方面，F(xiàn)inality 系統(tǒng)在保證了結(jié)果的確定性后，系統(tǒng)設(shè)計(jì)就要反過來追求 Liveness；而 Liveness 系統(tǒng)在保證了網(wǎng)絡(luò)的開放性后，系統(tǒng)設(shè)計(jì)就要反過來追求 Finality。中本聰共識(shí)為了提高結(jié)果的確定性或安全性，就需要做出其他讓步，比如 TPS。

以比特幣為例。比特幣可以把出塊時(shí)間從 10 分鐘提高到 1 分鐘，TPS 會(huì)大幅提升，但 1 分鐘的時(shí)間不夠把消息傳遍全網(wǎng)，系統(tǒng)中就會(huì)出現(xiàn)很多分叉，導(dǎo)致結(jié)果的可確定性變低；比特幣也可以把區(qū)塊大小從 1MB 提高到 100MB，TPS 也會(huì)提升，但大區(qū)塊對(duì)網(wǎng)絡(luò)和節(jié)點(diǎn)的要求高，會(huì)增加節(jié)點(diǎn)的進(jìn)入門檻從而帶來中心化，導(dǎo)致輸出結(jié)果容易被篡改。

所以你看，設(shè)計(jì)分布式系統(tǒng)就像與撒旦做交易，你得到一些，必然要交出一些。沒有最好的系統(tǒng)，只有適合解決某類問題的系統(tǒng)；沒有單純的指標(biāo)比較，只有是在什么設(shè)定下實(shí)現(xiàn)這種指標(biāo)。

如果你理解了這一點(diǎn)，這篇文章的目的就達(dá)到了，而我們對(duì)分布式系統(tǒng)的探索到此也就全部結(jié)束了。

六、更進(jìn)一步

本文是受《How Does Distributed Consensus Work？》一文啟發(fā)寫成的，如果你想更進(jìn)一步了解分布式系統(tǒng)，推薦這篇文章，它從專業(yè)的角度介紹了分布式共識(shí)；同時(shí)推薦《WHAT WE TALK ABOUT WHEN WE TALK ABOUT DISTRIBUTED SYSTEMS》，它系統(tǒng)地羅列出了分布式系統(tǒng)的經(jīng)典論文。

來源： 鏈聞ChainNews?