分布式基础——Raft算法

最新推荐文章于 2024-10-04 12:46:25 发布
最新推荐文章于 2024-10-04 12:46:25 发布
阅读量2.1k 收藏
点赞数
分类专栏： 分布式 文章标签： 以太坊 分布式
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_50665031/article/details/123996955
版权

分布式基础——Raft算法

介绍

Raft 是一个非拜占庭的一致性算法，即所有通信是正确的而非伪造的。N 个结点的情况下（N为奇数）可以最多容忍 (N−1)/2(N−1)/2 个结点故障。

内容

角色

  • Flower（追随者）

  • Candidate（候选人）

  • Leader（领导人）

RPCs（操作）

  • RequestVoter（请求投票）：请求投票，使自己成为Leader
  • AppendEntries（追加日志）：Leader向其他人同步日志或者发送心跳，保证自己的领导地位

流程

  • 各个节点等待心跳请求

image-20220406182832119

  • 迟迟等不到心跳请求，s1向自己投了一票，并进行拉票

image-20220406182942355

  • 其他节点投票，选举leader，成为追随者

image-20220406183006093

  • s1成为leader后，会周期发送心跳请求给其他节点

image-20220406183237218

  • s1挂了后会重新进行拉票选举leader

image-20220406183228900

  • s1重启，会自动成为追随者

image-20220406183328154

写入

  • 当有写入的请求时，leader优先添加数据，但还未提交数据

image-20220406183510680

  • 下一次心跳，同步日志到其他节点，也是添加了，但还未提交

image-20220406183631428

  • 其他节点响应leader的添加请求，leader提交日志

image-20220406183805910

  • 下一个心跳后，其他节点接收到leader的提交请求都会提交

image-20220406183840282

总结

Raft 用来做日志同步， Leader 负责复制日志，超过半数就可以提交。然后用了诸多限制（Election Safety、Leader Append-Only、Log Matching、Leader Completeness、State Machine Safety）保证了日志的正确性和一致性。

参考

raft一致性算法原理_哔哩哔哩_bilibili

正如此时
关注
专栏目录
分布式共识算法——Raft算法（图解）
流楚丶格念的博客
11-06 2203
Paxos 和 Raft 都是分布式一致性算法，这个过程如同投票选举领袖（Leader），参选者（Candidate）需要说服大多数投票者（Follower）投票给他，一旦选举出领袖，就由领袖发号施令。Paxos 和 Raft 都是分布式一致性算法，这个过程如同投票选举领袖（Leader），参选者（Candidate）需要说服大多数投票者（Follower）投票给他，一旦选举出领袖，就由领袖发号施令。在 Raft 算法中充当逻辑时钟的作用，使得服务器节点可以查明一些过期的信息（比如过期的 Leader）。
9.算法进阶之分布式篇——Raft分布式系统达成共识
strive for the best 的博客
06-06 217
先搞清楚分布式一致性到底解决的是什么问题 我们知道数据库中 redo log经常用以记录数据变更，数据在被日志记录之后才会被应用。 如果多个节点存储的是同样的东西，我们怎么保证在经过一番更改之后，这些内容还是一致的呢？客户端通常只会向分布式系统中的某个服务器发起请求，然后由这个服务器的一致性模块，在多个复制状态机之间进行消息的同步，正常情况下，多个节点同步都会成功，这样不同节点的日志自然也都是一致的，所有的节点都会以相同的顺序包含相同的请求，从外界看起来，行为也就像是一台机器一样。但是如果服务器发生了故障，
分布式一致性算法：Raft学习
shenfenxihuan的博客
07-09 8099
Raft算法又被称为基于日志复制的一致性算法，旨在解决分布式系统中多个节点之间的数据一致性问题。它通过选举一个**领导者（Leader）**，让领导者负责管理和协调日志复制，确保所有节点的数据一致。复制日志在分布式系统中，每个节点都维护着一份日志，记录系统操作的历史。为了保证数据一致性，这些日志需要在所有节点之间保持同步。Raft通过领导者选举和日志复制机制，确保所有节点的日志最终是一致的。心跳机制与选举Raft使用心跳机制来触发选举。
非拜占庭容错共识算法
lzh_97的博客
03-24 910
目录 一、Raft 算法 二、KRaft 算法 参考文献 一、Raft 算法 三种角色不同的节点：跟随者（follower）、候选者（candidate）、领导者（leader） 两个阶段： 1、领导者选举阶段： 最初所有节点都为 follower 节点，随机超时发生后，若没接收到来自高层（leader | candidate）的消息；follower 节点转变为 candidate 节点。获取大多数票的 candidate 节点转变为 leader 节点（最先完成随机超时时间的高任期c
区块链共识算法 PBFT（拜占庭容错）、PAXOS、RAFT简述
热门推荐
新手村
07-04 6万+
共识算法 区块链中最重要的便是共识算法，比特币使用的是POS（Proof of Work，工作量证明），以太币使用的是POS（Proof of Stake，股权证明）使得算理便的不怎么重要了，而今POS的变体DPOS（Delegated Proof of Stake，股份授权证明）进一步削减算力的浪费，同时也加强了区块链的安全性。 不过，对于不需要货币体系的许可链或者私有链而言，绝对信任的节点
什么是非拜占庭错误？什么是拜占庭错误？
06-25 1万+
一般地，把出现故障( crash 或 fail-stop，即不响应)但不会伪造信息的情况称为“非拜 占庭错误”( non-byzantine fault)或“故障错误”( Crash Fault);伪造信息恶意响应的情况称为“拜占庭错误”( Byzantine Fault)，对应节点为拜占庭节点...
二十张图带你一次性学懂Raft算法
weixin_45563088的博客
06-10 1419
一文带你领略Raft算法的魅力
分布式强一致算法 —— Raft算法
04stone37
07-15 785
背景   Paxos算法是最早的强一致性算法，1990年被Leslie Lamport提出，但是由于其难以理解和实现，导致没有被广泛使用。因此，2013年Raft算法被提出，功能与Paxos算法相同，更易于理解，实现简单，因此迅速被广泛推广使用，已经成为当前主流的强一致性算法。（从CAP角度，Raft算法选择了CP，舍弃了A，选主期间会出现短暂的不可用） Raft算法 整体流程   Raft算法可以分为Leader Election选主和Log Replication日志复制两部分。算法的整体流程是：首先，
一起学Consul(3)——Raft算法
凤瓦力
05-17 1782
现在市面上的很多分布式系统所用的分布式一致性算法基本上都是采用的Raft算法，比如Redis集群、Redis哨兵系统、Consul集群等。还有其他分布式一致性算法，比如Paxos、ZAB（zookeeper atomic Broadcast）等。 首先，什么是分布式一致性？是指在分布式系统中，各个节点的状态如何达到一致的问题。如果数据只存储一份，那么天然是一致的，因为一份数据永远只有一个状态。为了...
分布式一致性算法 - raft 图解
zzzsmm的博客
06-13 909
前言 应用服务架构的发展是一个循序渐进的过程，从最开始的单机架构逐步演化到如今的基于微服务的分布式架构。与此同时，应用服务最底层的数据支撑 – 数据存储服务也逐渐由单节点单副本逐步往多节点多副本的方向演进。 多副本节点通过数据复制技术，可以实现分布式容灾，提高服务的可用性，降低单点故障带来的风险；同时多节点部署，还可以很大程度上提高整个系统的吞吐量，降低访问延迟。但是与此同时，基于 CAP 理论，多副本技术也带来了一致性的问题。 raft 算法的诞生正是为了解决在分布式场景之下的数据一致性问题。本文我们将从
Raft协议浅析
qq_56769991的博客
11-10 3950
raft是paxos算法的一种实现。目标是提供更清晰的逻辑分工使用算法本身更好理解，同时有更高的安全性。Raft能为在计算机集群之间部署有限状态机提供一种通用方法，并确保集群内的任意节点在某种状态转换上保持一致（个人理解就是保证主从的一致性）。在redis的哨兵模式中就用到了raft协议。与paxos最主要的区别：paxos每次遇到一个新的请求会选举新的leader，所以这个leader是短期的。而raft协议选取的leader是永久性的，除非因为网络问题等因素才会进行leader重新选举。
分布式共识算法——Raft详解
yujuan110的博客
01-21 981
目录 1.Raft解决什么样的问题 2.Raft的工作流程 - replicated state machine - 节点的三种状态 - 任期（term） - 工作流程 3.具体问题分析 - leader election - log replication - safety 4.特殊情况分析 - Cluster membership changes - Log Compaction 1.Raft...
Raft算法详解
hxt的博客
05-30 2万+
Raft算法属于Multi-Paxos算法，它是在Multi-Paxos思想的基础上，做了一些简化和限制，比如增加了日志必须是连续的，只支持领导者、跟随者和候选人三种状态，在理解和算法实现上都相对容易许多 从本质上说，Raft算法是通过一切以领导者为准的方式，实现一系列值的共识和各节点日志的一致 1、领导者选举 1）、成员身份 Raft算法支持领导者（Leader）、跟随者（Follower）和候选人（Candidate）3种状态： 跟随者：接收和处理来自领导者的消息，当等待领导者心跳信息超时的时候，就主
RAFT算法详解
青萍之末的博客
08-10 2万+
一、RAFT算法 1、Raft算法概述   Raft算法则是从多副本状态机的角度提出，用于管理多副本状态机的日志复制。Raft实现了和Paxos相同的功能，它将一致性分解为多个子问题：Leader选举（Leader election）、日志同步（Log replication）、安全性（Safety）、日志压缩（Log compaction）、成员变更（Membership change）等。同时...
拜占庭将军问题-RAFT一致性算法
starDu
09-21 1396
小灰鼠讲算法：https://mp.weixin.qq.com/s/nVSNqK73mCYg42xChdV8IQ 讲得很好，做个备份。     除了RAFT一致性算法，还有： 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...
《数据密集型应用系统设计》笔记——第二部分 分布式数据系统（ch5-9）
最新发布
gongyuandaye的博客
10-04 587
主节点需等待直到从节点确认完成了写入，然后才会向用户报告完成，并且将最新的写入对其他客户端可见半同步：只有一个从节点是同步的，其他均为异步，若同步从节点不可用，提升其他从节点同步异步复制：主节点发送完消息之后立即返回，不用等待从节点的完成确认配置新的从节点：主节点产生一个一致性快照；将快照拷贝到从节点；从节点连接到主节点并请求快照点之后所发生的数据更改日志；从节点追赶快照点之后的数据变更；从节点失效：追赶式恢复从节点本地磁盘保存了故障前最后一笔事务，连接到主节点请求该事务后所有数据变更。
【分布式微服务云原生】windows+docker+mysql5.7.44一主一从主从复制
Dylaniou的博客
09-27 1589
在Windows系统上通过Docker部署MySQL主从复制，以下是详细的步骤和命令，帮助你设置一主一从的MySQL复制环境。
【分布式微服务云原生】有哪些流行的微服务架构以及各自的组件，怎么完成服务治理等。
Dylaniou的博客
09-28 1327
在具体实践中，微服务架构需要解决客户端如何访问服务、服务间的通信方式、服务的发现与管理以及服务的备份与应急处理等问题。服务治理的核心目标是确保服务之间的高效、可靠通信，同时简化服务的生命周期管理，提高系统的整体稳定性和可维护性。服务治理包括服务注册与发现、配置管理、服务路由、负载均衡、熔断机制、服务监控和故障定位等方面。微服务架构的流行设计模式包括API网关模式、客户端UI组合模式、服务与数据库一一对应模式、Saga模式、断路器模式、按业务能力或子域分解模式等。服务与数据库一一对应模式。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值