Archipelago群岛 · 公开课笔记

COURSE · 6.5250

6.5250 分布式算法

课程深入研究分布式计算的基础理论与算法:覆盖 LOCAL 局部分布式模型、CONGEST 带宽受限模型及异步容错系统。 核心主题包括对称性破除(着色与 MIS)、网络分解与去随机化、同步/异步共识及其不可能界、以及全局图优化(MST、Min-Cut、最短路径)。 重点聚焦于用算法工具和组合技术证明严…

16 篇编号讲义 · 16 篇内容 · 38 个已标注 tags
DOMAIN
理论计算机科学
STATUS
complete
COURSE ID
6.5250
RELATIONS
暂无结构化数据

课程资料与说明

来自课程 index.md

6.5250 分布式算法

课程:MIT 6.5250 Distributed Algorithms · 讲师:Mohsen Ghaffari · 资料依据:官方讲义与经典文献

TL;DR

  • 课程深入研究分布式计算的基础理论与算法:覆盖 LOCAL 局部分布式模型、CONGEST 带宽受限模型及异步容错系统。
  • 核心主题包括对称性破除(着色与 MIS)、网络分解与去随机化、同步/异步共识及其不可能界、以及全局图优化(MST、Min-Cut、最短路径)。
  • 重点聚焦于用算法工具和组合技术证明严格的轮复杂度上界、下确界及不可能结果(如 Linial 着色下界、FLP 不可能性与 Peleg-Rubinovich 带宽下界)。

课程定位与学习成果

分布式算法是现代众多计算系统的核心,包括有线和无线网络、集群计算、多核系统、分布式数据库与通信系统。本课程为研究生层面的理论课程,目标在于帮助学习者掌握分布式环境下的通信、协调、局部性与容错原理,并具备分析轮复杂度与证明下界的能力。完成后,应能够:

  • 区分 LOCAL 模型与 CONGEST 模型的能力边界,将通信轮数映射为局部邻域依赖拓扑;
  • 运用确定性掷币(Cole-Vishkin)、覆盖无关族与缺陷着色解决对称性破除与图着色问题;
  • 掌握 Luby 随机 MIS 算法及其边减半分析法,理解网络分解(Network Decomposition)作为去随机化引擎的工作机制;
  • 分析容错同步共识协议(FloodSet、EIG),并用不可区分性论证证明 n>3fn > 3f 与 f+1f+1 轮下界;
  • 深入理解异步模型中的 FLP 不可能性定理(双值性论证),以及 Ben-Or 随机共识的破僵局机制;
  • 掌握 CONGEST 模型下的分布式 MST、Min-Cut 与加权最短路径近似算法,并理解基于集合不交性的 Ω~(D+n)\tilde\Omega(D+\sqrt n) 全局下界框架。

前置知识

  • 算法设计与分析(MIT 6.1220 / 6.046):掌握基础图算法、贪心策略、动态规划与渐近复杂度分析;
  • 概率与随机算法:熟悉期望、马尔可夫不等式、切诺夫界与并集界;
  • 自动机与形式化模型(MIT 6.045):熟悉状态机、不可区分性论证与基础计算复杂性。

参考书目

  • Nancy A. Lynch. Distributed Algorithms. Morgan Kaufmann, 1996.(经典教材,系统覆盖同步与异步共识、网络搜索与同步器)
  • Hagit Attiya, Jennifer Welch. Distributed Computing: Fundamentals, Simulations, and Advanced Topics. 2nd Edition, Wiley, 2004.(强调时间同步与系统模拟,风格现代)
  • Maurice Herlihy, Nir Shavit. The Art of Multiprocessor Programming. Morgan Kaufmann, 2008.(多核与共享内存并发算法基础)
  • Rachid Guerraoui, Michal Kapalka. Principles of Transactional Memory. Morgan & Claypool, 2010.
  • Shlomi Dolev. Self-Stabilization. MIT Press, 2000.
  • Dilsun Kaynar, Nancy Lynch, Roberto Segala, Frits Vaandrager. The Theory of Timed I/O Automata. 2nd Edition, 2010.

讲义目录

模块一:同步与基础通信原语

  1. LOCAL 模型与有根树着色
    • 对应 DGA §1.1, §1.2.1 · 局部性数学刻画、log⁡∗\log^* 函数、Sperner 家族与单轮指数颜色缩减
  2. 泛洪、BFS 树、广播、收敛广播与 Bellman-Ford
    • CONGEST 模型基础原语、树上流水线广播、散发-聚合范式与分布式最短路径

模块二:局部分布式图算法(对称性破除)

  1. 一般图的确定性着色
    • 对应 DGA §1.4 · Linial O(Δ2)O(\Delta^2) 着色、覆盖无关族显式构造、分桶并行缩减与 Kuhn 缺陷着色
  2. 着色下界
    • 对应 DGA §1.2.2, §1.3.1 · 有向路径 3-着色 Ω(log⁡∗n)\Omega(\log^* n) 下界、Ramsey 论证与高围长图不可区分性
  3. 最大独立集 MIS
    • 对应 DGA §1.6 · MIS 到 (Δ+1)(\Delta+1)-着色归约、Luby 随机算法与单手击杀期望边减半分析
  4. 网络分解:定义与随机化构造
    • 对应 DGA §1.5.1, §1.5.2 · 弱/强直径分解、基于几何分布随机半径的球生长(Ball Carving)
  5. 网络分解:确定性构造
    • 对应 DGA §1.5.4 · RG20 突破性成果、聚类引理、逐比特前缀消界机制与分布式去随机化

模块三:容错与异步分布式算法

  1. 容错同步共识算法
    • 对应 Lynch 第 5.1, 6.1–6.3 节 · 协同进攻不可能性、FloodSet、OptFloodSet 与 EIGByz 递归多数表决
  2. 容错同步共识下界
    • 对应 Lynch 第 6.4–6.7, 7.1 节 · 拜占庭 n>3fn > 3f 六边形拼接证明、连通度 ≥2f+1\ge 2f+1、任何共识 f+1f+1 轮下界与 k-agreement
  3. 异步共识:FLP 不可能性与 Ben-Or
    • 异步消息传递模型、FLP 不可能性定理(双值性与临界步论证)、Ben-Or 随机共识与自由选择
  4. 同步器
    • 对应 Lynch 第 16 章 · GlobSynch 规范、安全推进抽象、α/β/γ\alpha/\beta/\gamma 三种同步器权衡与低直径簇分解

模块四:全局分布式图算法

  1. 最小生成树 MST 算法
    • 对应 DGA §2.2 · 分布式 Borůvka、大小分量划分、低拥塞捷径(Low-Congestion Shortcuts)与 O~(D+n)\tilde O(D+\sqrt n) 上界
  2. 最小割 Min-Cut 近似算法
    • 对应 DGA §2.3 · 连通度稀疏证书、基于加权 MST 的构造、(2+ε)(2+\varepsilon)-近似割与平面图 O~(D)\tilde O(D) 加速
  3. 全局问题下界:MST、Min-Cut 与最短路
    • Peleg-Rubinovich 高速路下界、基于集合不交性的两方通信复杂度归约与 Ω~(D+n)\tilde\Omega(D+\sqrt n) 紧界
  4. 最短路径算法 I:加权最短路的分布式近似
    • 限跳 Bellman-Ford、跳数直径与拓扑直径脱钩、n\sqrt n 骨架采样与 (1+o(1))(1+o(1))-近似 SSSP
  5. 最短路径算法 II:路由表构造与稀疏生成子图
    • 骨架图压缩、Baswana-Sen 稀疏生成子图、Lenzen-Patt-Shamir 紧凑路由表构造

模块五:进阶前沿专题(论文阅读)