Paxos 有點類似我們之前說的 2PC，3PC，但是解決了他們倆的各種硬傷。該算法在很多大廠都得到了工程實踐，比如阿里的 OceanBase 的分佈式數據庫，底層就是使用的 paxos 算法。再比如 Google 的 chubby 分佈式鎖也是用的這個算法。可見該算法在分佈式系統中的地位，甚至於，paxos 就是分佈式一致性的代名詞。
Paxos 角色
在paxos算法中，分爲4種角色：
- Proposer ：信使
- Acceptor：決策者
- Client：產生議題者
- Learner：最終決策學習者
不過爲了方便理解，我們將Proposer摘取出來作爲算法的主角，其他三者爲配角。
Paxos 舉例說明
在 Paxos 島上，有A1, A2, A3, A4, A5 5位議員，就稅率問題進行決議，決議結果由少數服從多數來決定。
我們假設幾個場景來解釋：
場景 1.
（暫且不考慮信使，即不考慮分佈式網絡問題）
A1 說：稅率應該是 10%。而此時只有他一個人提這個建議。如下圖：
很完美，沒有任何人和他競爭提案，他的這個提案毫無阻撓的通過了。A2 - A5 都會迴應他：我們收到了你的提案，等待最終的批准。而 A1 在收到 2 份回覆後（加上A1自己，表決結果過半），就可以發佈最終的決議：稅率定位 10%，不用再討論了。
場景 2.
現在我們假設在 A1 提出 10% 稅率提案的同時, A5 決定將稅率定爲 20%，如果這個提案要通過侍從送到其他議員的案頭，A1 的草案將由 4 位侍從送到 A2-A5 那裏。但是侍從不靠譜（代表分佈式環境不靠譜），負責 A2 和 A3 的侍從順利送達，而負責 A4 和 A5 的侍從則開溜了！而 A5 的草案則送到了 A4 和 A3 的手中。
現在，A1 ，A2，A3 收到了 A1 的提案，A3，A4， A5 收到 A5 的提案，按照 Paxos 的協議，A1，A2，A4，A5 4個侍從將接受他們的提案，侍從拿着回覆：我已收到你的提案，等待最終批准 回到提案者那裏。
而 A3 的行爲將決定批准哪一個。當 A3 同時收到了 A1 和 A5 的請求，該如何抉擇呢？不同的抉擇將會導致不同的結果。
場景 2. 抉擇1.
假設 A1 的提案先送到 A3 那裏，並且 A3 接受了該提案並回復了侍從。這樣，A1 加上 A2 加上 A3，構成了多數派，成功確定了稅率爲 10%。 而 A5 的侍從由於路上喝酒喝多了，晚到了一天，等他到了，稅率已經確定了（決策已經成型），A3 回覆 A5：兄弟，你來的太晚了，稅率已經定好了，不用折騰了，聽 A1 的吧。
場景 2. 抉擇2.
依然假設 A1 的提案先送到 A3 處，但是這次 A5 的侍從不是放假了，只是中途耽擱了一會。這次, A3 依然會將"接受"回覆給 A1 .但是在決議成型之前它又收到了 A5 的提案。這時協議根據 A5 的身份地位有兩種處理方式。
- 當 A5 地位很高，例如 CEO，就回復 A5：我已收到您的提案，等待最終批准，但是您之前有人提出將稅率定爲10%,請明察。
- 當 A5 沒地位，普通碼農一個，直接不回覆。等待 A1 廣播：稅率定爲 10% 啦！！
場景 2. 抉擇3.
在這個情況中，我們將看見，根據提案的時間及提案者的權勢決定是否應答是有意義的。在這裏，時間和提案者的權勢就構成了給提案編號的依據。這樣的編號符合"任何兩個提案之間構成偏序"的要求。
A1 和 A5 同樣提出上述提案，這時 A1 可以正常聯繫 A2 和 A3，A5 也可以正常聯繫這兩個人。這次 A2 先收到 A1 的提案; A3 則先收到 A5 的提案。而 A5 更有地位。
在這種情況下，已經回答 A1 的 A2 發現有比 A1 更有權勢的 A5 提出了稅率 20% 的新提案，於是回覆A5說：我已收到您的提案，等待最終批准。
而回復 A5 的 A3 發現新的提案者A1是個小人物，沒地位不予應答。
此時，A5 得到了 A2，A3 的回覆，於是 A5 說：稅率定爲 20%，別再討論了。
那 A4 呢？ A4 由於睡過頭了(決議已經成型)，迷迷糊糊的說：現有的稅率是什麼? 如果沒有決定，則建議將其定爲 15%.
這個時候，其他的議員就告訴他：哥們，已經定爲 20% 了，別折騰了。洗洗繼續睡吧。
整個過程如下圖：
總結
我們可以看到Paxos算法就是少數服從多數，同時，還會根據議員的身份和提案的時間來判斷是否需要應答，這個身份其實就是一個編號，是爲了防止出現活性導致死循環。
Paxos 的目標：保證最終有一個提案會被選定，當提案被選定後，其他議員最終也能獲取到被選定的提案。
Paxos 協議用來解決的問題可以用一句話來簡化： 將所有節點都寫入同一個值，且被寫入後不再更改。
注意：這一切都是在沒有 拜占庭將軍 問題的基礎上建立的，即消息不會被篡改（因爲分佈式大多在局域網中）。