Paxos于1990年提出，基于消息传输和高度容忍度的一致性算法。它是当前被认为是最有效的分布式一致性的最有效算法之一。
1982年，兰伯特（Lambert）发表了《拜占庭将军》（Byzantine Generals Privem）的论文，并提出了计算机容忍理论，即著名的拜占庭问题：
拜占庭帝国有许多部队，必须在不同的军队之间制定统一的行动计划，以决定游行或撤退。此外，每支军队都被地理位置分开，依靠军队通讯员进行交流。可能是记者中的叛徒，这一消息可能被中途篡改。如何在沟通过程中确保新闻的一致性？
由于我们的大多数分布式系统都在LAN中，因此新闻篡改并不常见。我们通常认为拜占庭的问题在实际工作中不存在。
1990年，兰伯特（Lambert）提出了一种理论一致性解决方案，同时给出了严格的数学证明。它也类似于拜占庭的问题，拜占庭的问题以故事的形式描述以描述这种算法：
古希腊有一个叫做Paxos的岛屿。该岛采用议会通过法律的形式。议会通过Messenger通过了信息。值得注意的是，成员和使者是一部分 - 他们将随时离开会议厅以设置信息可能会重复通过使者通过，或者他们已经消失了。因此，议会协议要求在这种情况下可以正确保证法律，并且不会发生任何冲突。
Paxos算法的名称是从这个岛上取的。
兰伯特公认的晦涩算法描述知道它仅在1998年才被接受。从那时起，PAXOS算法就被计算机科学家接受，以解决分布式系统的一致性问题。
2001年，兰伯特（Lambert）发布了Paxos Made Simple，它以一种简单的语言重新描述了该算法。
假设可以进行一组流程，那么必须保证以下几点以保持一致性算法：
1）只能选择这些建议之一。
2）如果提出了提议，将没有提议。
3）如果选择了建议，则该过程应能够获取所选的建议信息。
安全条件如下：
1）只能选择建议的建议。
2）仅选择一个值。
3）如果该过程认为选择了该提案，则该提案是真正选择的提案。
在Paxos算法中，有三个角色：
1）提议者提议
2）受体接收器
3）学习者学习者
该提案由多个登录器选择。单个受体有一个点问题。我如何认为选择了此建议？假设有一个受体集，以及当多个访问者选择此建议时，当登录器达到一定数字时，我们确定该提案是成功的。
总体而言，是一个类似于两个阶段的算法执行过程：
阶段1：
1.提议者提出了一个提议，其中M（n），然后将数字M（n）发送到该帐户的一半以上2。受体收到提案编号m（n），数字大于其响应的所有数字，然后将其响应作为提议者的响应而响应最大数字的提议。将通过提案小于m（n）。
阶段2：
1.如果提议者收到一半以上访问者返回的响应号m（n），它将发送[m（n），v（n）]提案的访问请求。
2.如果受体收到对[m（n），v（n）]提案的接受请求，只要访问者未回复大于m（n）的准备请求，则可以通过此提案。
如何获得学习者的收购？您可以使用以下解决方案：
让所有受体将他们的建议批准发送给学习者，在每个领导之间相互交流。勋爵学习者通知其他学习者。
如果要高于计划的主要学习者的单点，则需要学习者的集合。
分布式算法通常具有两个关键功能，安全性（保证不会发生）和活动（保证肯定会发生）。
如果任何提议者都可以提交提案，那么先前的实施计划将导致整个算法死亡。
例如：A提出了M1提案，发布了准备请求，收到并回应的受体。目前，B提出了M2，并且受体也收到并做出了回应。当A在第二阶段发起该提案时，发现M1被丢弃，并发出了M3准备请求，从而导致了死周期。
目前，选举需要最多的建议者。只有主要提议者才能与一半以上的受体进行通信。只要主要提议者提出提议，就会接受。提案者发现目前有更大的提案时，将丢弃一个小提案，并选择更大的建议。
Paxos引入了太多的概念，其中一些遵守大多数。Paxos支持节点字符的旋转，以避免分布式单点。
目前，它是最好的分布式算法之一。