Gossip是一个最终一致性协议，适用于大规模的、弱一致性的、去中心化的场景。
为了达到最终一致性，Gossip实际上提供了三种同步方式：Direct Mail（直接邮寄）、Rumor Mongering（谣言传播）及 Anti-Entropy（反熵）。看起来都是新技术名词，但分开来看，却都十分简单。
1、Direct Mail（直接邮寄，增量）
通俗解释就是，当一个节点收到客户端的新信息后，就把这个新信息传递给系统内的每个节点。
Direct Mail功能实现简单、效率也很高。
但在一个开放性的大规模非中心化网络中，经常会出现节点的变化（增加、掉线、宕机），这种场景下，仅靠Direct Mail，是不可能实现最终一致性的。
比如，节点X宕机了1一小时，然后启动。这一小时中的数据就丢失了。虽然在技术上，我们可以将信息做一些缓存，但在一个开放网络里，管理每个节点是否接收并处理好自己发送的全部消息，这本身就是个技术难题，而且效率将会及其低下。
2、Anti-Entropy（反熵，全量）
通俗解释就是，一个节点，定期会选择一些节点，对比数据的差异，并相互修复缺失的数据。
同步方式，可以是推送、拉取、连推带拉。
Anti-Entropy会比较整个数据库的异同，是达成最终一致性的最后手段。
Anti-Entropy消息以固定的概率传播全量的数据。
所有节点只有两种状态：Suspective(病原)、Infective(感染)，也被称作simple epidemics(SI model)。
S节点会把所有的数据都跟I节点共享，以便消除节点之间数据的任何不一致，它可以保证最终、完全的一致。
但是，在一个开放性的大规模非中心化网络中，定期同步全量数据，将会带来巨大的资源消耗。
所以这个操作的频率，必须足够低，否则整个网络就不用做其他事情了。
注：在实际工程落地中，为了加快数据同步效率，并不一定会“随机”选择同步节点，而是会想办法，用一定的顺序，尽快让全部节点完成同步。
聪明的你一定会发现，通过Direct Mail和Anti-Entropy，已经可以实现最终一致性的效果了。
但Direct Mail无法保证成功，Anti-Entropy无法保证频率，我们需要寻找额外的同步方案，在消耗尽量少资源的前提下，让整个网络的的可用性大幅提升。
3、Rumor Mongering（谣言传播，增量）
通俗解释就是，当一个节点收到新消息后，随机挑选N个节点，把新消息推送给这些节点。这N的节点在收到消息后，又会分别随机选择N个节点，推送新消息。
同步方式，同样可以是推送、拉取、连推带拉。
Rumor Mongering消息以固定的概率传播增量数据。
所有节点有三种状态：Suspective(病原)、Infective(感染)、Removed(愈除)。也被称作complex epidemics(SIR model)。
S节点只会把追加消息发送给随机选择的I节点。而这个消息在某个时间点之后会被标记为Removed，并且不再被传播。
根据六度分隔理论，经过几轮随机推送，可以基本确保每个节点都收到了新消息。但部分特殊节点仍有可能并未收到所有的追加消息。
所以，通过Direct Mail和Rumor Mongering并无法保证达到最终一致性。
聪明的你一定会发现，这一个信息，会被多次重复推送，一个节点也会重复接收。这其实是一个实现复杂度和性能之间的一个均衡。
和协议的名字相似，风言风语，口口相传，很快全村就都知道了。
4、新节点加入怎么处理
当一个节点加入网络后，会先使用Anti-Entropy的拉取方式，获取一个相对比较新的数据库。
然后就可以通过Direct Mail、Rumor Mongering获取新数据啦。
最后，还有Anti-Entropy，定期全量对比更新数据，这样新节点加入后，网络很快就能达到一致性了。
可见，Gossip协议，原理很简单，实现也并不复杂。虽然有一定程度的通讯浪费，但对于开放性的大规模非中心化网络中，Gossip协议很好的平衡了可用性、性能、工程复杂度之间的关系，实际中也获得了不少项目的青睐。