分布式原理：错误探测和成员表
错误检测
一个可靠的系统必须具备下面四点：
然后错误又分为下面三种，理论性的东西而已
那么在分布式系统里，我们怎么防止错误的出现呢（failure masking）
- 信息冗余，比如出错的概率是1%，我把信息变多了，正确信息出错的概率就小了，我加一堆冗余的信息
- 次数的重复，多发几次
- 物理的重复，多弄几个设备存
成员表
上面说了那么多，其实错误检测主要是为了控制一个成员表，成员表顾名思义，就是维系一个分布式系统有多少成员的列表，或者说，有多少在线用户（没有崩的）列表。
那么就需要注意，1.怎么检测有没有崩 2.怎么传播（dissemination）这个列表
先来看看怎么检测，我们要检测，就是如果有人崩了，必须得有人知道，所以可是宁错杀一万，不留一个坏的，所以，它可以容忍假阳性，但是不能容忍没有检测出来。
很明显我们可以看出，完备性和准确性是不能同时存在的，也就是你不能要求它做的又对又全，能全对就不能全做完，能全做完就不保证全对。这里选择了全做完！
Completeness – always guaranteed
所以我们由上面的条件诞生了。。。heartbeat检测，其实这玩意早就在用了。。。
维系一个seq，隔一段时间就++
传播方式当然是选择，Gossip一样的传播，毕竟是分布式系统嘛！
每个node维系一个table，有所有的在线node 的ID，seq，local time
如何更新呢？记住口诀，只更新大的时间晚的，超时剔除
什么意思呢？就是说，当一个node发送给你一个table，你先看一下这两个table的所有seq有没有差别，找到有差别的，然后看看时间，如果有差别的，只更新大的且时间晚的，如下图所示
并且我们设置一个超时时间，当table里的localtime+超时时间超过了本地的时间时候，将这个node剔除！
如果从别的node的table又发现了它，那也可以将他复活（incarnation）
那么问题就来了，如果一个node真的死了，但是一定有node记得他，那么这个node就反复发送死去的它的信息，它就永远活在了这个系统里，这可不行，于是我们还需要设计一个Tclean，超过这个时间，就必须在所有node中删除！
后面我们又想，如果这个分布式系统特别大，每个node维系的table就会特别大，每次发送这么大的表那也不是一件好事，于是SWIM协议就诞生。
SWIM：
Scalable Weakly-consistent Infection-style Membership Protocol（SWIM），可扩展的弱一致的感染式成员协议。简单来说，就是每次heartbeat不发送table了，只给对应的节点发送ping，如果有反应（ack）就更新自己心中的表。
失效检测：
首先就是直接发送ping，没有回复可以继续发给附近的节点，让他们帮忙问问这个node有没有死
传播机制：
Gossip！！
在失效检测中，还可以提供权重系统，也就是怀疑系统(suspision system)
如果一个node被判定失效（ping不出来）之后，我们首先先将他的状态改成suspicion，怀疑它死了，如果过一段时间，它又ping的出来了，我们再让他复活，如果timeout，就宣布它的死亡
在此我们又引入了复活机制（incarnation）
每次从suspicion到active的时候给这个人的incarnation数目++（初始都是0）
然后设置一个override机制
