分布式系统学习（一）—— Raft算法

CAP定理

一致性

对某个指定的客户端来说，读操作保证能够返回最新的写操作结果。

可用性

非故障的节点在合理的时间内返回合理的响应。

分区容忍性

当出现网络分区后，系统能够继续“履行职责”。

CAP关注的粒度是数据，而不是整个系统。

Raft算法

一、拜占庭将军问题

在很久很久以前，拜占庭是东罗马帝国的首都。那个时候罗马帝国国土辽阔，为了防御目的，因此每个军队都分隔很远，将军与将军之间只能靠信使传递消息。

在打仗的时候，拜占庭军队内所有将军必需达成一致的共识，才能更好地赢得胜利。但是，在军队内有可能存有叛徒，扰乱将军们的决定。

这时候，在已知有成员不可靠的情况下，其余忠诚的将军需要在不受叛徒或间谍的影响下达成一致的协议。

拜占庭将军问题是计算机科学家莱斯利·兰伯特提出的有关计算机网络中所存在的一致性问题的问题。

二、Raft算法流程

Raft算法依靠状态机和主从同步的方式，在各个节点之间实现数据的一致性。

Raft算法的两个核心要点：

• 选举主节点
  • 多个节点之间投票竞争
• 同步数据（Log Replication）

选举主节点

三种角色、状态:

• Leader 主节点
• Follower 从节点
• Candidate 参与投票竞争的节点

选举流程：

1. 所有节点的初始状态都是Follower，如果Follower超过一段时间没有接收到Leader的心跳，就会成为Candidate 。
2. Candidate 会向Follower发起投票，让Follower将票投给自己
3. Follower将会投出它们的票（如果有3个Candidate，那这个Follower要投给谁？）
4. 得到票数最多的Candidate 成为主节点

同步数据

所有的修改操作都要经过Leader，Leader会等待，直到majority（大多数）节点都被修改，Leader会commit这个修改。

三、Raft算法细节

两个超时时间：

• 选举超时
• 心跳超时

选举超时

1. Follower等待，直到成为Candidate的时间，选举超时为150ms-300ms之间的任意值
2. Follower超时之后，成为Candidate，开始选举流程，给它自己投票，并发送投票请求给其他节点
3. 其他节点投票给Candidate，并reset自己的选举超时时间
4. 当Candidate有majority（大多数）选票，就成为Leader

心跳超时

1. Leader会发送Append Entries（追加条目）给Follower
2. 这些Append Entries（追加条目）信息会按特定的时间间隔发送给Follower，这个时间间隔叫心跳超时
3. Follower也会响应Append Entries（追加条目），Follower每次接收到Leader的Append Entries（追加条目），都会reset自己的选举超时时间
4. 直到Follower没有接收到Leader的心跳，然后开始选举过程，成为Candidate