---

---

前言

本文对分布式系统下，强一致性模型（cp）之Raft 算法的实现进行介绍。

---

一、Raft 是什么：

Raft 是工程上使用较为广泛的 强一致性、去中心化、高可用 的分布式协议，用于管理副本复制（Log Replication）。相比传统的 Paxos 算法，Raft 将大量的计算问题分解成为了一些简单的相对独立的子问题，并有着和 Multi-Paxos 同样的性能。

二、Raft的工作原理：

CP协议raft 实现动画版： http://thesecretlivesofdata.com/raft/

2.1 Raft 节点的3中状态：

• Leader：Leader 会一直工作，直到失败。Leader 节点负责处理所有客户端的请求，定期向集群中的 Follower 节点发送心跳消息，证明自己还健在。
• Follower：Follower 只响应来自其他服务器的请求。Follower 节点不处理 Client 的请求，而是将请求重定向给集群的 Leader 节点，由 Leader 节点进行请求处理。
• Candidate：如果 Follower 长时间没有收到任何通信，它将成为 Candidate 并发起选举。获得多数选票的 Candidate 成为新的 Leader。

2.2 集群启动 leader 节点的选举：

• 集群中的节点一开始都是 fllower 从节点；

• 当集群中接收不到leader 节点的心跳，在选举的超时时间过完后，触发选举，此时从节点变为候选节点
  

• 从节点发送选举投票给到其它的节点（自己先投给自己一票），其它节点接到请求并返回值；
  - - 返回选票结果：

投票限制：
1） 在任一任期内，单个节点最多只能投一票；
2) 候选人知道的信息不能比自己的少;
3) first-come-first-served 先来先得；
投票结果：
（1） 收到majority的投票（含自己的一票），则赢得选举，成为leader；
（2）被告知别人已当选，那么自行切换到follower；
（3）一段时间内没有收到majority投票，则保持candidate状态，重新发出选举；

• 改从节点获取到集群内过半节点的投票返回，则晋升为leader 节点，然后发送心心跳给到从节点；

2.3 数据的同步（日志复制）：

• 将数据发送到leader节点，leader 节点将数据写入到log 日志中；
  

• 日志写入完成，将日志数据发送给到其它的从节点（在心跳中将数据一并传输）；
  

• 从节点写入数据到各自 的日志中，然后返回成功的状态给到leader 节点；
  

• leader 接收到集群节点过半都已经成功，则将本机数据进行更新（提交），响应客户端，并发送命令到从节点，各从节点完成数据更新；
  

• 如果不是过半成功，则不更数据，并并发送命令到从节点，各从节点不进行数据更新；

2.4 leader 重新选举：

当出现网络故障或者leader 挂掉时，leader和follower 之间的心跳超时，触发leader的重新选举：

• 从节点在重置自己成为候选者的时间到达后，成为候选者；
• 然后发送选举给到集群内其它节点；
• 获取半数投票成为leader 节点，然后发送心心跳给到从节点；
• 从节点接收到leader 心跳，则重置自己成为候选者的时间；

2.5 网络分区故障：

当出现网络分区，A&B,C&D&E，则会出现两个leader节点；

此时如果客户端，发送数据给到 NodeB 不满足过半写入，则数据写入不成功;如果发送给到 NodeC ，有3个节点（5/2 +1 =3）则数据写入成功；

网络分区恢复：

• 则通过一定的规则得到唯一的一个新leader 节点；
• 旧的leader节点数据及旧的从节点，则回滚到没有没有提交的日志；然后接收新的leader 的日志数据；

2.6 超时时间控制：

• 选举的超时时间：每个节点从fllower 变为 候选节点 ，每个节点的时间在150ms 和300 ms 之间；减少多个节点同时进行选举投票，产生候选者获取到投票数量相同 从而触发再次选举进入死循环；
• 如果产生候选者获取到投票数量相同，则等待选举的超时时间之后重新进行投票选举；

---

总结：

raft 通过投票（过半）当选为leader 节点，只有leader 节点负责对客户端的数据写入操作；leader 在接收到数据之后，现在本地记录日志，然后将日志信息跟随心跳一起发送到集群内的从节点，从节点完成日志数据记录后，返回leader，只有过半的从节点都写入日志成功，则进行数据提交（数据真正的写入成功），否则 进行数据的回滚；当心跳超时时则会重新触发leader 的选举。

参考：

Raft协议；