Mako: Speculative Distributed Transactions with Geo-Replication (OSDI 2025)
一句话总结：把 2PC 与 geo-replication 解耦——shard leader 间推测性 2PC、复制后台跑，用 distributed vector clock + vector watermark 把失败回滚限在 epoch 内，TPC-C 10 shard×24 thread 达 3.66M txn/s，比 SOTA geo-replicated 系统高 8.6×。
问题与动机
Spanner/FaRM 把 2PC 每步同步 geo-replicate，WAN 延迟主宰 critical path，吞吐比单机多核 DB 低千倍。Tapir/Janus 等反而更紧耦合协调与复制。Mako 论点：WAN 下应进一步解耦——leader 内快速 speculative execute+certify，Paxos 复制异步跟进，客户端仍等复制完成才 ACK（强一致）。
关键观察 / 隐含假设
- 观察 1：geo-replication 下提高并发反而因争用降吞吐——transactional workload 与 ML 不同，不能靠 inflight 堆满掩盖 WAN RTT。
- 依赖假设：shard leader 常同 datacenter 共址（Uber/Lyft 类地理分片）；跨 DC leader 时用 DPDK 仍不够抵消 WAN。
- 可能失效场景：跨 DC 2PC 主导、leader 故意分散；极高冲突 TPC-C 变体。
- 观察 2：speculative 2PC 在 participant 复制前失败会导致级联 abort——细粒度依赖追踪太贵；vector clock 粗粒度 pairwise 可比即可界定回滚范围。
- 依赖假设：epoch 边界集体决策可接受部分 healthy shard 回滚；CM replicated 始终存活。
- 可能失效场景：百万 shard 时 vector clock 宽度与 gossip 开销——论文 §6.1 讨论压缩但未 production 验证。
- 假设 1：per-core Paxos stream + batch（400 txn）可匹配 leader 多核吞吐，无需全局串行 log。
- 证据强度：强；与 Rolis/Silo 路线一致且有 batch watermark 扩展。
核心方法
阶段：Execute（分布式 OCC）→ Certify（Lock/GetClock/Validate/Install 四轮 RPC，实质 2PC）→ Replication（per-core MultiPaxos stream）→ Replay（vector watermark 安全推进）→ client ACK 当 txn version ≤ watermark。
Vector clock：n 维，certify 时取 involved shard max 组合；保依赖单调。
Failure：epoch 递增；follower progress-check；粗粒度 rollback 受影响 txn；healthy shard 写 INF 结束 entry 缩小回滚。
设计取舍
- 取舍 1：单 DC 无 geo 时比紧耦合 RDMA 系统慢 ~50%——设计目标本就是 WAN。
- 取舍 2：向量时钟粗粒度→可能多 abort 一些无关节点，换 O(1) 依赖元数据。
- 边界条件：Azure 评测；TPC-C + 多 baseline（Calvin、FaRM、Spanner 类等）。
实验与结果
- 10 shards×24 threads：3.66M TPC-C txn/s；8.6× vs SOTA geo-replicated。
- 单 DC：比 RDMA 紧耦合方案低 50%（预期 trade-off）。
- Calvin 等 log-order 方案：吞吐受 replay 限制（§7 实证）。
- Latency：与同步复制方案相近（复制仍 dominate client 等待）。
Critical Analysis
论证链条
「解耦→推测→2PC 失败级联」问题识别准确；epoch+vector watermark 是针对「2PC 非 fault-tolerant」的专门发明，文献调研（§5.1）说明非 trivial。与 Aurora/Rolis 流水线相似但多 shard watermark 扩展是贡献。
假设压力测试
- 已证明：Azure geo 设置下吞吐碾压；争用实验支持「高并发无益」论点。
- 可能失效：极端冲突下推测 abort 风暴；CM 故障恢复复杂度；跨 shard 全失败 3PC 同样级联——Mako 不 magic。
- 论文未覆盖：交互式长事务；与 Spanner TrueTime 语义对比的 client 延迟 tail。
实验可信度
Baseline 选取代表性强；8.6× 醒目但依赖特定 shard/thread 配置。单 DC -50% 诚实披露。
系统性缺陷
实现复杂（OCC+2PC+Paxos+watermark+epoch）；运维 CM；vector clock 扩展性待观察；client 仍等 WAN 复制→延迟非 Spanner 级「感觉」。
局限与 Future Work
- 局限 1：非 geo 场景不占优；推测失败时 epoch 回滚仍影响吞吐。
- 局限 2：百万 shard vector clock/watermark gossip 成本。
- Future work 1：压缩 vector clock 与 cross-epoch 增量 watermark 的生产测量。
- Future work 2：与 disaggregated storage / 持久内存 shard 结合时的 2PC 恢复。