分布式场景中一致性问题：
1.服务器不稳定：随时泵机的可能
2.网络问题：导致请求丢失
3.网速问题：难以保证请求顺序性，最终结果数据一致性需要操作顺序性保证
4.快速响应：不能因为一致性，导致响应以集群中最慢的为准。
常见的算法
弱一致性算法：DNS系统，Gossip协议（Redis Cluster ）
强一致性算法：Basic-Paxos、Multi-Paxos包括Raft系列(Nacos的JRaft，Kafka的Kraft以及RocketMQ的Dledger)、ZAB（Zookeeper)
Raft
log日志保存在server上的操作日志，每个命令成为Entry，主要是保证Entry的顺序一致，而不是Entry不会丢失（最终一致性），所有的操作最终都会落入State Machine。
工作流程：
1.多个server选举产生leader，负责客户端请求
2.leader通过一致性协议，像节点发送心跳以及客户端命令
3.每个节点将指令保存到log中，此时的uncommit状态
4.当大多数共同保存了Entry，就可以执行指令，保存到State Machine里，此时Entry状态为commit；
需要考虑的点：
角色：Leader、Follower和Candidate
log中的指针，一个是commit节点，一个是Leader往follower里发送后数据的指针
等待时间/超时时间：随机时间150ms到300ms 选举leader用到
脑裂问题：网络波动导致，通过Term任期解决
数据丢失情况：因为要保证只能有一个主节点，因此，脑裂期间，小Term里的数据会丢失。
因此他Raft是CP的。
协议具体实现步骤
传递时必要数据：
1.voteFor：投票给了谁
2.Current Term:当前的任期
3.logs\[\]日志entry，以及每个Entry内部的指令、任期、序号ID
4.蓝色箭头：已经commit的指针
5.黄色箭头：同步到的Entry进度
除此之外，leader还要维护matchindex\[\] 表示提交指针 和 nextIndex\[\] 表示同步指针
leader选举细节:
term：当前任期
candidateId：投票的候选人ID
lastLogIndex：候选人的最后日志Entry索引
last logo term：候选人最后日志目录的任期号
前两个参数是必须的。后两个参数主要是当主从发⽣切换时，可以⽤来找出最新的Candidate（候选人）。
Controller（主从切换的高可用集群）
controller只负责主从切换；同步数据是原来主从结构的(sycn和async方式)
为什么用它：解耦，性能高 。 缺点：不能保证强一致性。
部署官网： https://rocketmq.apache.org/zh/docs/deploymentOperations/03autofailover
Broker Container容器机制：
5.x版本中提供了新的模式BrokerContainer，一个BrokerContainer进程可以放多个Broker,这些broker可以是Master Broker、Slave Broker、DledgerBroker从而提高整体性能
proxy
这个组件也和Controller类似，可以和Broker⼀起组合部署，也可以单独部署。其作⽤主要是兼容
多语⾔客户端
官网地址：https://rocketmq.apache.org/zh/docs/quickStart/01quickstart
