分布式系统常见选举算法:基于序号选举的算法(Bully 算法)、多数派算法(Raft 算法、ZAB 算法)等
一、Bully 算法
1、集群节点角色类型
主节点、普通节点,主节点负责对其他节点的协调和管理
2、选举策略
在所有活着的节点中,选取 ID 最大的节点作为主节点,当选主成功后,有且仅有一个节点成为主节点,其他所有节点都是普通节点,当且仅当主节点故障或与其他节点失去联系后,才会重新选主。
3、选举过程
a、选举使用到的消息
Election消息: 用于发起选举; Alive消息: 对Election 消息的应答; Victory消息: 竞选成功的主节点向其他节点发送的宣誓主权的消息
b、选举流程
前提条件:集群中每个节点均知道其 他节点的 ID,流程如下:
1、集群中每个节点判断自己的ID是否为当前活着的节点中 ID 最大的,如果是,则直接向其他节点发送 Victory 消息,宣誓自己的主权;
2、如果自己不是当前活着的节点中 ID 最大的,则向比自己 ID 大的所有节点发送 Election 消息,并等待其他节点的回复;
3、若在给定的时间范围内,本节点没有收到其他节点回复的 Alive 消息,则认为自己成为 主节点,并向其他节点发送 Victory 消息,宣誓自己成为主节点;若接收到来自比自己 ID 大的节点的 Alive 消息,则等待其他节点发送 Victory 消息;
4、若本节点收到比自己 ID 小的节点发送的 Election 消息,则回复一个 Alive 消息,告知 其他节点,我比你大,重新选举。
应用:MongoDB 的副本集故障转移 功能。MongoDB 的分布式选举中,采用节点的最后操作时间戳来表示 ID,时间戳最新的 节点其 ID 最大,也就是说时间戳最新的、活着的节点是主节点。
总结:谁活着且谁的 ID 最大谁就是主节点,其他 节点必须无条件服从
优点:选举速度快、算法复杂度低、简单易实现
缺点:
a、每个节点需要存储全部的节点信息,额外的信息存储较多;
b、任意一个比当前主节点 ID 大的新节点或节点故障后恢复加入集群时,都可能触发重新选举成为新的主节点,如果该节点频繁退出、加入集群,会导致频繁切主。
二、Raft 算法(民主投票)
1、集群节点角色类型
Leader(主节点)
同一时刻只有一个 Leader,负责协调和管理其他节点
Candidate(候选者)
可发起选举
每一种节点都可转化为Candidate节点
此类型节点才可被选为新的leader
Follower(Leader的跟随者) 不可以发起选举。
2、选举流程
1. 初始化时,所有节点均为 Follower 状态。
2. 开始选主时,所有节点的状态由 Follower 转化为 Candidate,并向其他节点发送选举请求。
3. 其他节点根据接收到的选举请求的先后顺序,回复是否同意成为主。这里需要注意的是,在每一轮选举中,一个节点只能投出一张票。
4. 若发起选举请求的节点获得超过一半的投票,则成为主节点,其状态转化为 Leader,其他节点的状态则由 Candidate 降为 Follower。Leader 节点与 Follower 节点之间会 定期发送心跳包,以检测主节点是否活着。
5. 当 Leader 节点的任期到了,即发现其他服务器开始下一轮选主周期时,Leader 节点 的状态由 Leader 降级为 Follower,进入新一轮选主。
PS:
1、每一轮选举,每个节点只能投一次票(类似人大代表选举)
2、raft 选主是周期进行的,包括选主阶段(对应投票阶段)、任职阶段; 任职到期、主节点故障会触发重新选举
应用:etcd 的集群管理器 etcds,是一个高可用、强一致性的服务发现存储仓库,就是采用了 Raft 算法来实现选主和一致性的
总结:
1、算法选举稳定性优于Bully,当新节点加入或节点故障恢复后会触发选主,但不一定会真正切主,除非新节点或故障后恢复的节点获得投票数过半,才会导致切主。
2、状态流转过程
优点:选举速度快、算法复杂度低、易于实现
缺点:要求系统内每个节点都可以相互通信,且需要获得过半的投票数才能选主成功,因此通信量大,
总结:
Raft算法动画分析: http://thesecretlivesofdata.com/raft/#election
三、ZAB 算法
ZAB(ZooKeeper Atomic Broadcast)选举算法: ZooKeeper 为实现分布式协调功能而设计的。相较于 Raft 算法的投票机制,ZAB算法增加了通过节点 ID 和数据 ID 作为参考 进行选主,节点 ID 和数据 ID 越大,表示数据越新,优先成为主。相比较于 Raft 算法, ZAB 算法尽可能保证数据的最新性。所以,ZAB 算法可以说是对 Raft 算法的改进。
1、集群节点角色类型与状态
角色:Leader(主节点)、Follower(跟随者节点)、Observer(观察者,无投票权)
选举过程中的状态
Looking(选举状态)
当节点处于该状态时,认为集群中没有 Leader, 节点会进入选举状态
Leading(领导者状态)
已经选出主,且当前节点为 Leader
Following(跟随者状态)
集群中已经选出主后,其他非主节点状态更新为Following,表示对 Leader 的追随
Observing(观察者状态)
当前节点为 Observer,持观望态度,没有投票 权和选举权
2、选主流程
集群中每个节点都有一个唯一的三元组 (server_id, server_zxID, epoch)
server_id : 表示本节点的唯一 ID;
server_zxID: 表示本节点存放的数据 ID,数据 ID 越大表示数据越新,选举权重越大;
epoch : 表示当前选取轮数,一般用逻辑时钟表示
投票:通过 (vote_id, vote_zxID) 来表明投票给哪个节点
vote_id: 被投票节点 ID
vote_zxID: 被投票节点 zxID
ZAB 算法选主的原则是:server_zxID 最大者成为 Leader;若 server_zxID 相同,则 server_id 最大者成为 Leader (核心:“少数服从多数,ID 大的节点优先成为主”)
案例:3个节点的集群选主流程
1、集群启动,3个节点当前投票为第一轮此时 epoch = 1,zxId = 0;此时节点都推选自己,将选票<epoch, vote_id, vote_zxID> 广播出去
2、规则判断,epoch、zxID 都相同,比较 server_id, 较大者为推选对象,此时 1、2节点将vote_id 改为 3,重新广播自己的投票
3、所有节点都推选了 Server 3,Server 3 当选 Leader,处于 Leading 状态并向其他节点发送心跳包维护连接; Server1 和 Server2 处于 Following 状态。
3、总结
ZAB 算法性能高,对系统无特殊要求,采用广播方式发送信息,若节点中有 n 个节点,每个节点同时广播,则集群中信息量为 n*(n-1) 个消息,容易出现广播风暴;除了投票,还增加了对比节点 ID 和数据 ID,这就意味着还需要知道所有节点的 ID 和数据 ID,所以选举时间相对较长。但该算法选举稳定性比较好,当有新节点加入或节点故障恢复后,会触发选主,但不一定会真正切主,除非新节点或故障后恢复的节点数据 ID 和节点 ID 最大,且获得投票数过半,才会导致切主
问题
1、为什么选主算法通常采用奇数节点,而不是偶数节点 呢?
采用偶数节点集群,当两个节点均获得一半投票时,在这种情况下,无法选出主,必须重新投票选举,关于双主的情况,一般是因为网络故障,比如网络分区等导致的。
更新完善中.....