分布式学习笔记

CAP原理

分布式系统无法同时满足强一致性，可用性和分区容错性，设计中往往需要弱化某个特性的需求
1）一致性: 同一时间访问所有节点得到的数据都是一样的，提交事务时，数据同步到所有的节点后，才算事务提交成功。
2）可用性：系统可以一直处理请求，并在正常时间内处理完
3）分区容错性：出现网络分区故障时，故障的节点不应该影响其他节点提供服务
4）大部分情况下，不会出现网络故障，一旦某个节点出现网络故障：
4.1）牺牲一致性（AP）：继续提供服务，故障节点恢复时，再同步数据
4.2）牺牲可用性（CP）：拒绝提供服务，直到故障节点恢复

raft共识算法

1. 选举过程
   1）一开始所有的节点都是follower状态，也就是从节点状态，都被设定一个超时选举时间，这个时间是随机的，一般为150ms至300ms
   2）如果从节点在规定的时间内，没有收到来自leader的心跳，它就发起选举：
   2.1）将自己的状态切换为候选人状态，并投自己一票
   2.2）将任期编号加1，作为自己的任期编号
   2.3）向集群的其他从节点发送请求，询问其他从节点是否选举自己为主节点
   2.4) 从节点收到选举投票邀请后，如果这个任期内没有投过票，就进行投票，一个节点在一个任期内只能投一票
   2.5）当收到来自集群过半的节点投票后，A节点就成为本界任期内的reader，它将周期性发送心跳消息，通知其他节点，我的reader，阻止其他从节点发送新的选举

2. 选举结果分析
   1）只有一个从节点发起选举：赢得选举后，leader会给所有节点发送消息，避免其他节点触发新的选举
   2）两个节点同时发起选举：比如有3个节点A，B，C。A，B同时发起选举，而A的选举消息先到达C，C给A投一票，当B端消息到达C时，在这个任期内，C已经投一票，不能再投给B，A胜出后，会给B，C发心跳消息，节点B发现节点A的term不低于自己的term，知道已经有leader了，于是就转换成follower。
   3）没有任何节点获取超过半数的投票，可能是平票的情况。比如加入总共四个节点（A/B/C/D), 节点C和节点D同时成为候选人，节点A投节点C一票，节点B投节点D一票，这就出现了平票的情况，这时候就会等待超时重新选举。如果出现平票的情况，就延长了系统的不可用的时间。