老卫带你学---分布式系统（2）

Raft算法

在分布式系统中，我们通过多副本来提高整体系统的High availability，但是多副本就一定会出现consistency一致性问题。所以出现了很多的算法来去解决这类问题。

那解决一致性问题最根本的思想，就是将数据在一定的时间内同步到所有副本上。但是呢，中间可能出现节点故障、网络抖动、网络延迟顺序问题、使得问题更加复杂。

那consistency其实可以分为强一致性（CP）和弱一致性（AP），对应的算法场景也就不同

强一致性（其实raft就是paxos的演进）：

• paxos
• fast paxos
• multi paxos：
  • Raft系列：rocketmq的dledger、kafka的kraft
  • ZAB系列：zookeeper

弱一致性：

• DNS
• Gossip（redis cluster在使用）

那其实Mysql的主从复制就是一个简单的弱一致性场景，只保证最终的一致性

Paxos

paxos核心在于两阶段决议，prepare+accept来决定最终的response，其实本质就是多数投票

1. prepase阶段来检查正常的acceptor都有哪些
2. accept阶段进行投票然后返回response
   
   但是paxos每个请求都要进行两阶段，效率太低，所以后续出现了很多的优化。

Raft

raft其实是一种Multi Paxos，上面的其实是basic paxos每次处理一个请求，而multi paxos是每次处理多个请求

Raft的基本流程：

1. 多个server共同选举一个Leader，负责响应客户端的请求
2. Leader将数据分发到其他节点上
3. 每个节点将数据作为Entry保留到Log上，该entry的状态为uncommited
4. 如果多数节点都保留了该entry，就会将该entry的状态变为commited，并且由state machine告知客户端
   

Raft节点的状态流转：
每个节点其实有三个状态：Follower跟随者、Candidate候选者、Leader领导者

• Follower负责每次从Leader中同步数据，并且接收领导者的心跳
• 如果Follower们接收不到心跳后，就会变为Candidate进行选举
• 当重新选举出Leader后，节点们又变为Follower