【分布式系统】Raft算法

原文链接

什么是拜占庭将军问题？

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。

拜占庭将军问题其实说的是计算机网络中所存在的一致性问题

解决方案：比较有代表性的算法—Raft算法

Raft算法

raft算法是简单易懂的共识算法，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的两个核心要点：

1.选取主节点

2.同步数据

选取主节点

Raft算法在选择主节点是通过多个节点之间的投票竞争。

Raft算法为节点定义了三种角色（状态机）：
1.Leader（主节点）
2.Follower（从节点）
3.Candidate（参与投票竞争的节点）

第一步，在最初，还没有一个主节点的时候，所有节点的身份都是Follower。每一个节点都有自己的计时器，当计时达到了超时时间（Election Timeout），该节点会转变为Candidate。

第二步，成为Candidate的节点，会首先给自己投票，然后向集群中其他所有的节点发起请求，要求大家都给自己投票。

第三步，其他收到投票请求且还未投票的Follower节点会向发起者投票，发起者收到反馈通知后，票数增加。

第四步，当得票数超过了集群节点数量的一半，该节点晋升为Leader节点。Leader节点会立刻向其他节点发出通知，告诉大家自己才是老大。收到通知的节点全部变为Follower，并且各自的计时器清零。

这里需要说明一点，每个节点的超时时间都是不一样的。比如A节点的超时时间是3秒，B节点的超时时间是5秒，C节点的超时时间是4秒。这样一来，A节点将会最先发起投票请求，而不是所有节点同时发起投票请求。

为什么这样设计呢？设想如果所有节点同时发起投票，必然会导致大家的票数差不多，形成僵局，谁也当不成老大。

那么，成为Leader的节点是否就坐稳了老大的位置呢？并不是。Leader节点需要每隔一段时间向集群其他节点发送心跳通知，表明你们的老大还活着。

一旦Leader节点挂掉，发不出通知，那么计时达到了超时时间的Follower节点会转变为Candidate节点，发起选主投票，周而复始…

同步数据

第一步，由客户端提交数据到Leader节点。

第二步，由Leader节点把数据复制到集群内所有的Follower节点。如果一次复制失败，会不断进行重试。

第三步，Follower节点们接收到复制的数据，会反馈给Leader节点。

第四步，如果Leader节点接收到超过半数的Follower反馈，表明复制成功。于是提交自己的数据，并通知客户端数据提交成功。

第五步，由Leader节点通知集群内所有的Follower节点提交数据，从而完成数据同步流程。

etcd:共享配置和服务发现的KV存储系统，使用Raft算法来保证分布式一致性

Paxos 算法：
早期的共识算法，由拜占庭将军问题的提出者 Leslie Lamport 所发明。谷歌的分布式锁服务 Chubby 就是以 Paxos 算法为基础。

ZAB 算法：
Zookeeper 所使用的一致性算法，在流程上和 Raft 算法比较接近。

PBFT 算法：
区块链技术所使用的共识算法之一，适用于私有链的共识。