【基于Raft的k-v存储数据库实现】

基于Raft的k-v存储数据库实现

基本概念
- 1. 什么是分布式系统
- 2. 什么是Raft协议
- 3. 什么是序列化和反序列化
- 4. RPC相关
- 5. c11的部分新特性
- 6. 什么是共识，一致性算法
- 7. 共识算法要满足的性质
- 8. Raft中的一些重要概念
- 8.1 Raft是如何保证一个Term只有一个Leader的？
- 8.2 过程

原文链接

基本概念

1. 什么是分布式系统

 建立在网络之上的软件系统。一个分布式系统是一组计算机系统一起工作,在终端用户看来,就像一台计算机在工作一样。
分布式系统的主要特点是：资源共享：分布式系统中的计算机拥有共享的状态，它们同时运行，独立机器的故障不会影响整个系统的正常运行。动态分配：系统可以动态地分配任务，有效地利用分散的物理和逻辑资源。透明性：对用户来说，分布式系统展现为一个整体，用户无需关心背后的复杂性。

2. 什么是Raft协议

分布式选举协议：Raft（一致性算法，共识算法）
Raft协议：是Replication And Fault Tolerant的缩写，即复制和容错协议，是一种强一致性协议，在RAFT中，有三种类型的节点：

Leader: 处理客户端交互和日志复制操作等，一般只有一个Leader节点
Follower: 群众节点，类似于选民，需要同步数据
Candidate: 候选者节点，有可能成为Leader的节点，一般条件是由超过大多数的投票
原文链接：https://blog.csdn.net/zhanglh046/article/details/120682623

3. 什么是序列化和反序列化

序列化就是把对象转换为字节序列的方式，便于传输存储。
反序列化就是从存储的字节流中还原对象的状态，实现对象的恢复和重建
> 在分布式系统中，将对象进行序列化，并在不同的计算机之间进行传输，接收方可以通过反序列化操作将字节序列
转换为可操作的对象。某些远程通信框架使用序列化和反序列化来实现远程方法调用，方法调用和参数会被序列化
成字节流发送给远程服务，然后通过反序列化在远程服务端还原方法调用和参数。序列化和反序列化的设计就是用来
传输数据的，当两个进程进行通信的时候，可以通过序列化反序列化来进行传输。序列化后的字节流保存了对象的状
态以及相关的描述信息，而反序列化则是根据这些信息“复刻”出一个和原来一模一样的对象。本质上讲，序列化就是
把实体对象状态按照一定的格式写入到有序字节流，反序列化就是从有序字节流重建对象，恢复对象状态。（百度百科）

4. RPC相关

> 远程过程调用（RPC）是一种进程间交互技术，主要应用于基于client-server的应用中。
这种技术允许计算机A上的进程调用另一台计算机B上的进程，其中计算机A上的调用进程被挂起，直到B上的被调用进程完成执行并返回结果给A。
这一过程对于开发人员来说是透明的，调用方可以通过参数将信息传送给被调用方，然后通过传回的结果得到信息。
RPC采用客户机/服务器(C/S)模式，其中请求程序作为客户机，而服务提供程序作为服务器。(baidu)我理解就是一个同步请求

5. c11的部分新特性

总结

6. 什么是共识，一致性算法

共识是容错分布式系统中的一个基本问题。共识涉及多个服务器对状态机状态（对本项目而言就是上层的k-v数据库）达成一致。一旦他们对状态机状态做出决定，这个决定就是最终决定（已经被集群共识的值可以保证后面不会被覆盖，Raft的安全性）。

典型的一致性算法在其大部分服务器可用时保持运行; 例如，即使有2台服务器出现故障，5台服务器的集群也可以继续运行。如果更多的服务器出现故障，它们将停止对外提供服务(但永远不会返回不正确的结果)。即小于一半的节点出现故障不会对整个集群的运行造成影响，一半或一半以上的节点出现故障则整个集群停止对外提供服务。

7. 共识算法要满足的性质

在非拜占庭条件下保证共识的一致性。非拜占庭条件就是可信的网络条件，即与你通信的节点的信息都是真实的，不存在欺骗。
在多数节点存活时，保持可用性。“多数”永远指的是配置文件中所有节点的多数，而不是存活节点的多数。多数等同于超过半数的节点，多数这个概念概念很重要，贯穿Raft算法的多个步骤。
不依赖于绝对时间。理解这点要明白共识算法是要应对节点出现故障的情况，在这样的环境中网络报文也很可能会受到干扰从而延迟，如果完全依靠于绝对时间，会带来问题，Raft用自定的Term（任期）作为逻辑时钟来代替绝对时间。
在多数节点一致后就返回结果，而不会受到个别慢节点的影响。这点与第二点联合理解，只要“大多数节点同意该操作”就代表整个集群同意该操作。对于raft来说，”操作“是储存到日志log中，一个操作就是log中的一个entry。

8. Raft中的一些重要概念

状态机：raft的上层应用，可以是k-v数据库（本项目）
日志、log、entry：
日志log：raft保存的外部命令是以日志保存
entry：日志有很多，可以看成一个连续的数组，而其中的的一个称为entry
提交日志commit：raft保存日志后，经过复制同步，才能真正应用到上层状态机，这个“应用”的过程称为提交
节点身份：follower、Candidate、Leader ：raft集群中不同节点的身份
term：也称任期，是raft的逻辑时钟
选举：follower变成leader需要选举
领导人：就是leader
日志的term：在日志提交的时候，会记录这个日志在什么“时候”（哪一个term）记录的，用于后续日志的新旧比较
心跳、日志同步：leader向follower发送心跳（AppendEntryRPC）用于告诉follower自己的存在以及通过心跳来携带日志以同步
日志：
首先掌握日志的概念，Raft算法可以让多个节点的上层状态机保持一致的关键是让各个节点的日志保持一致，日志中保存客户端发送来的命令，上层的状态机根据日志执行命令，那么日志一致，自然上层的状态机就是一致的。所以raft的目的就是保证各个节点的日志是相同的。
节点身份：follower、Candidate、Leader ：
- Leader ：集群内最多只会有一个 leader，负责发起心跳，响应客户端，创建日志，同步日志。
- Candidate ：leader 选举过程中的临时角色，由 follower 转化而来，发起投票参与竞选。
- Follower ：接受 leader 的心跳和日志同步数据，投票给 candidate。
安全性：Election Safety ：每个 term 最多只会有一个 leader；集群同时最多只会有一个可以读写的 leader。

Raft是一个强Leader 模型，可以粗暴理解成Leader负责统领follower，如果Leader出现故障，那么整个集群都会对外停止服务，直到选举出下一个Leader。如果follower出现故障（数量占少部分），整个集群依然可以运行。

8.1 Raft是如何保证一个Term只有一个Leader的？

因为Candidate变成Leader的条件是获得超过半数选票，一个节点在一个Term内只有一个选票（投给了一个节点就不能再投递给另一个节点），因此不可能有两个节点同时获得超过半数的选票。
发生故障时，一个节点无法知道当前最新的Term是多少，在故障恢复后，节点就可以通过其他节点发送过来的心跳中的Term信息查明一些过期信息。
当发现自己的Term小于其他节点的Term时，这意味着“自己已经过期”，不同身份的节点的处理方式有所不同：
- leader、Candidate：退回follower并更新term到较大的那个Term
- follower：更新Term信息到较大的那个Term
相反，如果发现自己的Term大于其他节点的Term，那么就会忽略这个消息中携带的其他信息。

8.2 过程

Raft是一个强Leader 模型，可以粗暴理解成Leader负责统领follower，如果Leader出现故障，那么整个集群都会对外停止服务，直到选举出下一个Leader。

1. 如何发现Leader出现故障？
  - leader会定时向集群中剩下的节点（follower）发送AppendEntry（作为心跳，hearbeat ）以通知自己仍然存活。
  - 可以推知，如果follower在一段时间内没有接收leader发送的AppendEntry，那么follower就会认为当前的leader 出现故障，从而发起选举。
  - 这里 “follower在一段时间内没有接收leader发送的AppendEntry”，在实现上可以用一个定时器和一个标志位来实现，每到定时时间检查这期间有无AppendEntry 即可。
    AppendEntry 具体来说有两种主要的作用和一个附带的作用：
    主要作用：
    - 心跳
      携带日志entry及其辅助信息，以控制日志的同步和日志向状态机提交
    - 附带的作用：
      通告leader的index和term等关键信息以便follower对比确认follower自己或者leader是否过期
1. follower知道leader出现故障后如何选举出leader？
  - follower认为leader故障后只能通过：term增加，变成candidate，向其他节点发起RequestVoteRPC申请其他follower的选票，过一段时间之后会发生如下情况：
    - 赢得选举，马上成为leader （此时term已经增加了）
    - 发现有符合要求的leader，自己马上变成follower 了，这个符合要求包括：leader的term≥自己的term
    - 一轮选举结束，无人变成leader，那么循环这个过程，即：term增加，变成candidate。赢得选举的条件前面也有过提及，即获得一半以上的选票。
1. 符合什么条件的节点可以成为leader？
  这一点也称为“选举限制”，有限制的目的是为了保证选举出的 leader 一定包含了整个集群中目前已 committed 的所有日志。
  - 当 candidate 发送 RequestVoteRPC 时，会带上最后一个 entry 的信息。所有的节点收到该请求后，都会比对自己的日志，如果发现自己的日志更新一些，则会拒绝投票给该 candidate，即自己的日志必须要“不旧于”改candidate。
  判断日志老旧的方法raft论文中用了一段来说明，这里说一下如何判断日志的老旧：
  - 需要比较两个东西：最新日志entry的term和对应的index。index即日志entry在整个日志的索引。
```
	if 两个节点最新日志entry的term不同term大的日志更新else最新日志entry的index大的更新end
```
  这样的限制可以保证：成为leader的节点，其日志已经是多数节点中最完备的，即包含了整个集群的所有 committed entries。
1. 感觉很复杂，为什么不直接让follower拷贝leader的日志 / leader发送全部的日志给follower？
- leader发送日志的目的是让follower同步自己的日志，当然可以让leader发送自己全部的日志给follower，然后follower接收后就覆盖自己原有的日志，但是这样就会携带大量的无效的日志（因为这些日志follower本身就有）。
- 因此 raft的方式是：先找到日志不匹配的那个点，然后只同步那个点之后的日志。