Wprowadzenie
Quorum Consensus to mechanizm uzgadniania stanu w systemach rozproszonych. Polega na tym, że operacja (zapis lub odczyt) jest uznana za pomyślną dopiero po uzyskaniu potwierdzenia od określonej większości węzłów (quorum).
Jak działa Quorum Consensus?
W systemie z N węzłów definiuje się:
- Write Quorum (W) – minimalna liczba węzłów, które muszą potwierdzić zapis
- Read Quorum (R) – minimalna liczba węzłów, z których odczytujemy dane
- Warunek: R + W > N – gwarantuje nakładanie się quorum i spójność
Zastosowanie w systemach rozproszonych AI
- Distributed Training – synchronizacja gradientów i wag modeli między węzłami
- Model Serving – spójne serwowanie dużych modeli LLM w klastrach
- Vector Databases (np. Weaviate, Milvus, Qdrant) – spójność embeddingów i indeksów
- Distributed RAG – zapewnienie aktualności i spójności bazy wiedzy
- Federated Learning – bezpieczna agregacja modeli od wielu uczestników
- AI Agent Systems – koordynacja wielu agentów w środowisku rozproszonym
Popularne algorytmy i protokoły
- Paxos
- Raft (najczęściej używany w praktyce)
- Zab (ZooKeeper)
- Quorum-based Cassandra / Dynamo-style
- CRDTs (Conflict-free Replicated Data Types) – podejście bez quorum
Zalety i wady
- Zalety: Wysoka spójność, odporność na awarie, przewidywalne zachowanie
- Wady: Wyższe opóźnienia (latency), mniejsza dostępność przy podziale sieci (CAP Theorem), kosztowna komunikacja
Powiązane pojęcia
CAP Theorem • Consistency • Distributed Systems • Raft • Paxos • Vector Database • Distributed Training • Federated Learning • Eventual Consistency • CRDT