Raft协议详解（一）前言：子问题分解

      分布式一致性，一直是分布式系统中非常重要的部分。在多机集群中，如何保证不同服务器上同一副本的数据是一致正确的，如何保证在故障频发的集群中数据能够安全保存等问题，都需要靠分布式一致性来解决。在对分布式一致性算法进行设计的时候，存在如下几点需要注意的地方：
1. 算法的正确性保证，不论在丢包、宕机、延迟等情况，都不能返回错误的结果
2. 只要大部分机器可以用，那么算法就可以正常运行
3. 不依靠时序来保证一致性
4. 收敛速度应该比较快，能尽快在大部分上机器完成，少部分没有完成的不影响算法使用

(我知道上面这几句有点不是很好理解，后面我尽量只讲好理解的）

      很多一致性算法来进行保证分布式一致性问题。比如很出名的Paxos协议，Google的分布式锁Chubby就是基于Paxos实现的，还有Zookeeper等。但是Paxos的问题在于比较难以理解，实现起来非常困难。即使基于Paxos的Zookeeper和Chubby，其实现和Paxos仍然有一定的出入。这就导致了一个非常严重的问题，就是你的实现没有按照完整的Paxos实现的话，那么你的方法就没有被理论所很好的支撑，可能你的实现就会出现很多问题。

      那么，基于这个问题呢，斯坦福的大佬们就提出了Raft算法。这个算法和Paxos其实在功能上，和性能上差不多。好处就是便于理解以及工程实现。当前也有挺多公司采用Raft算法，但是其实这个算法在实际的应用场景下，还存在一定的问题。比如阿里也在使用Gossiping算法。这里我们就不在多加讨论。我们这个文章系列还是对Raft进行学习。文章内容基于该算法发表的论文，小伙伴们也可以去读一下论文原文。

---