共識算法是分布式系統中最重要和最廣泛使用的機制之一。 該算法旨在實現不同服務器之間的一致性。 自上世紀末以來，一批研究人員從系統模型（同步系統或異步系統）、故障模型（崩潰故障或拜占庭故障）等不同角度探討了共識問題，并提出了許多有效的算法，例如 Paxos、ZAB、PoW、PoS、Raft 等。
1. 拜占庭容錯（BFT）VS 崩潰容錯（CFT）
根據容錯能力的不同，共識算法可以分為CFT（崩潰容錯）和BFT（拜占庭容錯）共識算法。
CFT共識算法僅在分布式系統中的節點出現宕機錯誤、系統中的節點違反共識協議時（如被黑客捕獲、數據被惡意篡改、 等），將無法保證分布式系統的可靠性，因此，CFT共識算法目前主要應用于企業內部的封閉式分布式系統。 目前流行的CFT共識算法主要包括Paxos算法及其衍生的Raft共識算法。
采用BFT共識算法的分布式系統，即使系統中的節點發生任何類型的錯誤，只要錯誤發生在小于一定比例的節點中，就可以保證整個系統的可靠性。 因此，在開放的分布式系統中，例如區塊鏈網絡，必須采用BFT共識算法。
2. 強一致性 VS 弱一致性
根據客戶端與系統的不同副本交互時可以觀察到的結果，一致性模型可以分為強一致性和弱一致性。
1、強一致性
當更新操作完成后，后續多個進程或線程的任何訪問都會返回最新更新的值。 這是最方便用戶的，即用戶上次寫什么，下次就保證能讀到什么，但這種實現方式對性能影響較大。 Paxos、Raft 等共識算法滿足強一致性模型。
2、弱一致性
系統不保證后續進程或線程訪問會返回最新更新的值。 數據寫入成功后，系統不承諾立即讀取最新寫入的值，也不具體承諾多長時間能夠讀取。 但它會盡力確保在一段時間（比如幾秒）后，數據能夠達到最終的一致狀態。 弱一致性的一種具體形式是最終一致性。 系統保證在沒有后續更新的前提下，系統最終會返回上次更新操作的值。 在不發生故障的前提下，不一致窗口的時間主要受通信延遲、系統負載和副本數量的影響。 DNS是一個典型的最終一致系統。
3. 無領導者 VS 基于領導者
對于無領導（對稱）算法。 所有服務器具有相同的角色。客戶端可以聯系任何服務器。 典型的Leader-less共識算法是gossip。
對于基于領導者（非對稱）的算法。 一臺服務器通常負責管理集群的所有操作，而其他服務器則處于從屬狀態。 客戶與領導溝通。 典型的基于 Leader 的共識算法是 Paxos 和 Raft。
