Raft 分布式一致性算法理解

分布式一致性算法就是要在分布式系统上保证数据一致的算法，既然是分布式，就涉及到主备节点的选举。

选举

在 Raft 种每个节点有 3 种状态：

  1. follower
  2. candidate
  3. leader

整个选举的流程分为 3 个部分：

选举超时等待：follower->candidate

一开始所有节点都是 follower 状态，每个节点在 150 ms 至 300 ms 之间随机选取一个时间作为选举超时(election timeout)时间，当等待超过这个时间后，就转化为 candidate 状态，准备进行选举。

之所以要随机选取时间，是为了避免多个节点同时选举影响选举成功的速度。

选举：candidate->leader

进入 candidate 状态后，该节点开始选举，它会向其他所有节点发送“选我”的消息，其他节点收到消息后，会判断是否赞成，candidate 会对赞成票计数（包括它自己的一票），必须当接收到大多数节点（节点总数的一半加一）的赞成票后，candidate 会当选成为 leader，否则选举失败，candidate 退回 follower 状态。

leader 维持：

leader 为了维持自己主的地位，不让其他节点选举，需要定时向其他 follower 节点发送消息，这个消息叫做心跳消息（heartbeat），定时的间隔称为心跳超时（heartbeat timeout）。follower 节点一收到心跳消息并回复，就会将本地选举超时计时重置，因此始终保持 follower 状态不变。

数据一致性

Raft 采用二段提交（2 phase commit）的方法来保证系统数据的一致性。

当 leader 收到用户写入数据后，经过两个阶段才会提交：

  1. 将写入数据发送到 follower 节点，由 follower 节点先提交并回复成功。
  2. 对提交成功数进行计数（包括自己的一次，虽然自己还并未提交），当大多数节点（节点总数的一半加）都提交后，leader 进行提交，否则不会提交。

在遇到 network partition 的情况时，可能会同时选出多个主，但因要求大多数提交，所以只能最多有一个 leader 节点能够提交成功，保证了数据一致性。