分布式系统中的许多事情可能出错，最简单方法是让整个服务失效，并向用户显示错误消息。若无法接受，就得找到容错方法：即使某些内部组件出现故障，服务也能正常运行。
本文讨论构建容错分布式系统的算法和协议的一些案例。假设所有问题都可能发生：网络中的数据包可能会丢失、重新排序、重复推送或任意延迟；时钟只是尽其所能近似；节点可以暂停（如GC）或随时崩溃。
构建容错系统的最好方法，是找到一些带有实用保证的通用抽象，实现一次，然后让应用依赖这些保证。和事务处理方法相同：使用事务，应用可假装没有崩溃（原子性），没有其他人同时访问DB（隔离），存储设备完全可靠（持久性）。即使崩溃，竞态条件和磁盘故障，事务抽象隐藏了这些问题，因此应用不必担心。
现寻求可让应用忽略分布式系统部分问题的抽象概念。如分布式系统最重要的抽象之一：共识：让所有节点对某件事达成一致。正如我们在本章中将会看到的那样，要可靠地达成共识，且不被网络故障和进程故障所影响，是一个令人惊讶的棘手问题。
一旦达成共识，应用可以将其用于各种目的。假设你有一个单主复制的数据库。如果主库挂掉，并且需要故障切换到另一个节点，剩余的数据库节点可以使用共识来选举新的领导者。重要的是只有一个领导者，且所有的节点都认同其领导。如果两个节点都认为自己是领导者-脑裂，会导致数据丢失。正确实现共识有助避免这问题。
我们需要了解可以做什么和不可以做什么的范围：在某些情况下，系统可以容忍故障并继续工作；在其他情况下，这是不可能的。我们将深入研究什么可能而什么不可能的限制，既通过理论证明，也通过实际实现。我们将在本章中概述这些基本限制。
