基于MySQL实现分布式调度系统的选举算法

基于MySQL实现分布式调度系统的选举算法，可通过基于超时机制的数据库表驱动选主方案实现，利用数据库表协调节点间的状态，以下是Java实现的核心步骤和代码：

1. 数据库表设计

创建选主表，用于记录leader节点和状态：

sql 复制代码

CREATE TABLE leader_election (
  service_id varchar(128) NOT NULL,
  leader_id varchar(128) NOT NULL,
  last_seen_active timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP,
  PRIMARY KEY (service_id)
) ENGINE=InnoDB

2. Java实现选举机制

java 复制代码

import java.sql.*;
import java.util.concurrent.*;

public class LeaderElection {
    private final String serviceId;      // 服务标识（如"distributed-scheduler"）
    private final String nodeId;         // 当前节点ID（如hostname_pid）
    private final int electionTimeout;   // 选举超时时间（秒）
    private final ScheduledExecutorService scheduler;
    private volatile boolean isLeader = false;
    private Connection conn;             // MySQL连接

    public LeaderElection(String serviceId, String nodeId, int timeout) {
        this.serviceId = serviceId;
        this.nodeId = nodeId;
        this.electionTimeout = timeout;
        this.scheduler = Executors.newSingleThreadScheduledExecutor();
        // 初始化数据库连接
        this.conn = DriverManager.getConnection("jdbc:mysql://mysql-host:3306/db", "user", "pwd");
    }

    // 启动周期性选举
    public void start() {
        scheduler.scheduleAtFixedRate(this::attemptLeadership, 0, 1, TimeUnit.SECONDS);
    }

    // 尝试获取领导权
    private void attemptLeadership() {
        String sql = "INSERT INTO leader_election (service_id, leader_id, last_seen_active) " +
                     "VALUES (?, ?, NOW()) " +
                     "ON DUPLICATE KEY UPDATE " +
                     "leader_id = IF(last_seen_active < NOW() - INTERVAL ? SECOND, VALUES(leader_id), leader_id), " +
                     "last_seen_active = IF(leader_id = VALUES(leader_id), NOW(), last_seen_active)";
        
        try (PreparedStatement stmt = conn.prepareStatement(sql)) {
            stmt.setString(1, serviceId);
            stmt.setString(2, nodeId);
            stmt.setInt(3, electionTimeout);  // 超时时间（如20秒）
            stmt.executeUpdate();
            updateLeaderStatus();  // 更新当前节点状态
        } catch (SQLException e) {
            e.printStackTrace();
        }
    }

    // 检查当前节点是否Leader
    private void updateLeaderStatus() throws SQLException {
        String query = "SELECT COUNT(*) AS is_leader FROM leader_election " +
                       "WHERE service_id=? AND leader_id=?";
        try (PreparedStatement stmt = conn.prepareStatement(query)) {
            stmt.setString(1, serviceId);
            stmt.setString(2, nodeId);
            ResultSet rs = stmt.executeQuery();
            if (rs.next()) {
                isLeader = rs.getInt("is_leader") > 0;
                if (isLeader) System.out.println("✅ Current node is LEADER");
            }
        }
    }

    // 关闭资源
    public void shutdown() {
        scheduler.shutdown();
        if (conn != null) try { conn.close(); } catch (SQLException ignored) {}
    }
}

3. 核心逻辑说明

节点初始化

每个节点启动时传入唯一nodeId（如hostname_pid），并连接到MySQL。
领导权竞争逻辑
- 使用ON DUPLICATE KEY UPDATE原子操作保证竞争安全：
  若当前无Leader或Leader超时（last_seen_active < NOW() - 20s），则抢占为Leader。
- 节点周期性（如每秒）尝试更新状态，确保活跃Leader持续续期。
状态更新
- Leader节点 ：last_seen_active字段被更新为当前时间。
- Follower节点 ：未更新字段，仅检测自身是否为Leader 3。

4. 高级功能扩展

java 复制代码

// 强制指定Leader（管理员操作）
public void forceLeadership() throws SQLException {
    String sql = "REPLACE INTO leader_election (service_id, leader_id, last_seen_active) VALUES (?, ?, NOW())";
    try (PreparedStatement stmt = conn.prepareStatement(sql)) {
        stmt.setString(1, serviceId);
        stmt.setString(2, nodeId);
        stmt.executeUpdate();
    }
}

// 查询当前Leader
public String getCurrentLeader() throws SQLException {
    String sql = "SELECT leader_id FROM leader_election WHERE service_id=?";
    try (PreparedStatement stmt = conn.prepareStatement(sql)) {
        stmt.setString(1, serviceId);
        ResultSet rs = stmt.executeQuery();
        return rs.next() ? rs.getString("leader_id") : null;
    }
}

5. 算法优点

去中心化 ：依赖MySQL而非额外组件（如ZK/etcd），降低运维成本 3。
容错性 ：Leader故障后，超时机制自动触发重选举 3 1。
快速响应：节点秒级感知Leader变更（JDBC轮询）。

注意事项

连接池优化 ：使用HikariCP等连接池避免频繁创建连接。
超时时间 ：根据网络延迟调整electionTimeout（建议≥10秒）。
多节点隔离 ：各节点使用独立MySQL连接，避免事务冲突 3。

此方案适用于中小规模集群。如需强一致性高可用场景（如金融系统），可改用Raft算法（如Apache Ratis），但需引入额外组件。