学习raft协议(1)

CAP

复制代码

C: 一致性
强调数据的正确性，每次读操作，要么读到最新，要么读失败
A:可用性
不发生错误，也不能出现过长的等待时间.
P:分区容错性
在网络环境不可靠的背景下，整个系统仍然是正常运作的

两种流派

复制代码

（1）CP：强调系统数据的正确性，但由于建立保证不同节点间保证数据严格一致的机制，可能会牺牲系统的可用性.
（2）AP：强调系统的可用性，那就必须在数据一致性上做出妥协退让.

常见c的问题

复制代码

1.4 C 的问题
（1）即时一致性问题：
  服务端采用了异步完成数据同步任务的机制，那么客户端的读请求就可能在 follower 同步到 set x = 3 这一项任务之前就打到 follower，此时会取到 x 的老数据或者 x 不存在的响应。
（2）顺序一致性问题
  因为网络延迟，数据同步指令的先后顺序造成了不一致

为了解决上面c的问题

复制代码

可能利用一些ACK机制，包装统一收到从节点的响应才将数据同步，变成了串行化的机制，一个从节点的延迟或者无服务可能会影响整个系统的服务

分布式一致性共识算法

分布式一致性共识算法指的是在分布式系统中，使得所有节点对同一份数据的认知能够达成共识的算法.

多数派原则

复制代码

多数派，指的是一个群体的数量达到总数的一半以上.

多数派原则指的是，系统的决断无需全员参与,多数派达成的共识即可视为整个系统的答复.

以集群存在 5 个节点为例，多数派则需要集齐 3 个及 3 个以上节点，至多可以允许 2 个节点存在开小差背离主流的情况. 同理，倘若集群 6 个节点，则多数派需要集齐 4 个及 4 个以上节点，因此同样至多允许 2 个节点开小差. 综上，这是奉行多数派原则的集群通常将节点个数设置为奇数的原因之一.

多数派原则是提高分布式系统可用性 A 的关键

一主多从

复制代码

raft 算法下系统中的节点分为领导者 leader 和跟随者 follower 两类角色.

读写分离

复制代码

读操作可以由集群的任意节点提供服务；

写操作统一需要由 leader 收口处理，并向 follower 同步. 倘若 follower 率先收到了来自客户端的写请求，也需要转发给 leader 进行处理.

如果是原始的raft论文《In Search of an Understandable Consensus Algorithm (Extended Version)》，读写请求都是发送给leader。

状态机与预写日志

复制代码

状态机 （state machine）是节点实际存储数据的容器,写请求的最后一步是将结果写入状态机，而读请求也需要从状态机中获取数据进行响应.

预写日志（ wal） 在 raft 算法中，写请求会先组织成预写日志的形式添加到日志数组中，当一个日志（写请求）达到集群多数派的认可后，才能够被提交，将变更应用到状态机当中.

预写日志由一个数组承载，为一段时间内的多笔写请求提供了一个缓存区；同时，每笔预写日志是一笔写请求的抽象，通过其记录的明细，使得我们可以对写请求的内容进行比较. 这样的机制之下，我们只要保证预写日志数组中，被准许应用到状态机的部分每笔预写日志的内容都完全相同，这样就能解决写请求乱序的问题，从而达成数据的最终一致性.

两阶段提交

复制代码

从单机层面，一笔写请求会分为添加到预写日志和应用到状态机两个步骤，这是对两阶段提交的一种体现；

在整个系统层面
（1）leader 接收到来自客户端的一笔写请求；

（2）leader 将写请求添加到本地的预写日志中，并向集群中其他节点广播同步这笔写请求. 这个过程可以称之为"提议"（proposal）；

（3）集群中各节点接收到同步请求后，会一套检验机制判断是否能执行同步（添加到预写日志），校验机制这里不细述，留待 4.1 小节细说；

（4）倘若集群总计半数以上的节点（包括 leader 自身）都将这笔请求添加预写日志，并给予了 leader 肯定的答复（ack），那么 leader 此时会"提交"这个请求，并给予客户端写请求已成功处理的响应；

（5）其他节点在随后的时段中，会通过与 leader 的交互（心跳或其他同步数据的请求）感知到这个"提交"动作，最终也在预写日志中提交这笔请求；

（6）被提交的预写日志具备了被应用到状态机的资格. 但应用的时机取决于实现方式，倘若只追求最终一致性，可以选择异步应用；倘若追求立即一致性，则会要求 leader 先应用到状态机，才能给予客户端 ack.

领导者选举

复制代码

leader的存活
（1）leader 需要定期向 follower 发送心跳，证明存活. 与之对应的，follower 会建立一个心跳检测定时器，当超过指定时长未收到 leader 的心跳，则认为 leader 已死，会切换成候选人（candidate）发起竞选，尝试补位成为新的 leader.
（2）follower 成为 candidate 后,会广播向所有节点拉票，当投赞同票的节点数（包括candidate 本身）达到多数派的时候，该 candidate 会胜任，成为新的 leader.

任期与日志索引

复制代码

   二元组
（1）term：标志了这则日志是哪个任期的 leader 在位时同步写入的；

（2）index：标志了这则日志在预写日志数组的位置.

raft 算法下节点的角色流转

1.角色切换

复制代码

（1）leader -> follower

倘若 leader 发现当前系统中出现了更大的任期，则会进行"禅让"，主动退位成 follower.

leader如何探测到更大任期
I 向 follower 提交日志同步请求时,从 follower 的响应参数中获得;
II 收到了来自新任 leader 的心跳或者同步日志请求；III 收到了任期更大的 candidate 的拉票请求.

（2）follower -> candidate

leader 需要定期向 follower 发送心跳，告知自己仍健在的消息.

倘若 follower 超过一定时长没收到 leader 心跳时，会将状态切换为 candidate ，在当前任期的基础上加 1 作为竞选任期，发起竞选尝试补位.
（3）candidate -> follower
 I 多数派投了反对票(忽略不投票)；

 II 竞选期间，收到了任期大于等于自身竞选任期的 leader 传来的请求.
 （4）candidate -> leader

 candidate 竞选时，倘若多数派投了赞同票，则切换为 leader.
 （5）candidate -> candidate
  candidate 的竞选流程有一个时间阈值. 倘若超时仍未形成有效结论（多数派赞同或拒绝），则会 维 持 candidate 身份，将竞选任期加1，发起新一轮竞选.

1.2 领导者

复制代码

领导者是写请求的统一入口，在接收到来自客户端的写请求时，会开启"两阶段提交"
leader 还需要周期性地向集群中所有节点发送自己的心跳，告知自己的健康状况
（1）让 follower 重置心跳检测定时器，避免其切换成 candidate 发起竞选；

（2）在心跳请求中携带上 leader 最新已提交日志的标识 id（term + index），推动 follower 更新日志提交进度.
心跳请求是单向传输，而非双向通信. 因此，follower 无需对 leader 的心跳请求进行回复.

1.3 跟随者

复制代码

follower 的职责包括如下几项：

（1）负责同步 leader 传来的写请求，此时也有一个参与民主反馈的过程，倘若同步成功，会给予 leader 正向反馈，当 leader 的同步请求收到半数以上的认可时，会提交日志；

（2）通过接收 leader 心跳的方式，获取到携带的 commitIndex 信息，及时完成已被多数派认可的预写日志的提交，以推进其写入状态机的进度. 这一项相当于做到了数据的备份，也被读请求最终一致性提供了保证;

（3）负责为参与竞选 candidate 的投票，决定赞同与否的判断机制见 5.3 小节；

（4）通过心跳检测定时器时时关注 leader 的健康状态，当超时未收到心跳时，会切换为 candidate 发起竞选.

1.4 候选人

复制代码

candidate 是一个临时态，成为 candidate 意味着此时正处于成与败的分叉路口，candidate 有关的核心流程如下：

（1）倘若 follower 切为 candidate，会将当前任期加1，作为竞选任期；

（2）会将自身的一票投给自己；

（3）广播向所有节点拉票；

（4）倘若拉票请求超时前，得到多数派认可，则上位为 leader；

（5）倘若拉票请求超时前，遭到多数派拒绝，则老实退回 follower；

（6）倘若拉票请求超时前，收到了任期大于等于自身竞选任期的 leader 的请求，则老实退回 follower；

（7）倘若拉票请求超时，则竞选任期加 1，发起新一轮竞选拉票请求.

参考
小徐先生万字长文解析raft算法原理