分布式学习笔记1-分布式算法Raft

简介

Raft是今比较流行的一个分布式选举算法。在它出来之前，业界只有Paxos一种算法。但是Paxos是非常难以理解，更不用说有统一的算法方案。Raft的出现，就是为了提供一个通俗易懂，容易实现的分布式方案。研究论文和相关源码已久，写下此文笔记，希望能对你也有一些启发。

基本原理

Server状态

集群的每个机器可以有3种角色状态

• Leader 每个集群只能有一个，处理所有client的请求，日志复制。
• Follower 普通的Server，完全被动的，只会对收到的消息进行回应。
• Candidate 候选人，当进入新一轮选举的时候，所有的候选人都会发起投票。重新选出一个新leader

三者之间的关系，可以互相转换，如果下图

1. 最开始，所有的Server都是Follower。
2. 如果Follower没有收到心跳，就会变成Candidate
3. Candidate 开始进行新一轮的选举，其中一个成为新的Leader,其余的成为Follower。
4. Leader如果收到更大的Term（任期）消息，就降级为普通的Follower。

Term

时间划分为不同的Term（任期）。每次导致新的选举发生，Term就会改变+1.一个Term包括两个阶段：选举和正常阶段。每个服务器都会保存当前的任期Current Term。用于发送和接受RPC消息时验证比较。

Log Entry

每一个client操作，对于Leader来说，都是增加一个Log Entry，然后复制同步到其他的Server。包括以下数据：

• term Leader收到log时的term
• index log下标。log存储结构是一个List
• command 操作指令

Persistent State 持久化状态

每个server都会在本地存储一些持久化状态，每次在相应rpc时先持久化

• currentTerm 当前Term，启动的时候是0
• voteFor 当前term收到的投票
• log[] 日志数据

选举过程

当一个Follower没有收到Leader的心跳时，就会投票开始新一轮的选举。所以当Leader出现故障时，可能有多个Follower变成Candidate开始投票。这里有个细节，就是开始的时间是不同的，是一个随机100-500ms，这样可以更快速产生新的Leader。

1. 当前Term 增加1。