好的实现，看看别人怎么写的，github
大多数Raft的实现都是整体设计，包括存储处理，消息序列化和网络传输，但是本raft库在实现的时候只实现了最核心的算法，换来了灵活性和性能，网络和disk IO部分都由使用者实现，使用者需要实现自己的消息传送层，同时，需要自己实现持久化部分来存储Raft log和state。
为了实现Raft库的可测性，库在实现的时候将Raft建模为一个状态机，输入是消息，可能是本地时间的更新或者网络消息，状态机的输出是一个3元组：{[]Messages, []LogEntries, NextState}。
第一步是使用，怎么使用raft来搭建自己的key-value系统
etcd-raft代码走读
node-run
上面是raft中一个node做的事，Node代表raft集群中的一个节点，刚开始node是follower，然后随着
tickc的进行，开始进入选举，raft在变为follower的时候做了下面几件事：
becomeFollower
初始化了tick函数
tickElection，用来开始选举，做判断后，调用Step
选举函数
判断消息类型为
MsgHup，于是进入campaign
进行选举
选举函数中做的事情
选举
转换成candidate时,开始一个选举:
- 递增currentTerm;投票给自己;
- 重置election timer;
- 向所有的服务器发送 RequestVote RPC请求
成为candidate
接着看下send函数
raft.send
send函数中将消息存储了
msgs中，在哪儿消费呢？通过读取newReady来返回Ready
图片
此时又返回到
node.run中，此时因为会进入case readyc <- rd分支
图片
在里面做的事情
图片
msgs因为已经读取过了，设置为空，并且会赋值advancec，进行到这readyc中已经有一个数据， 而此channel会在函数Ready中返回给外面，下面接着看谁会去读Ready
func (n *node) Ready() <-chan Ready { return n.readyc }
读取Ready的是应用程序，看下Ready()函数的说明
//=> 读取到当前状态，当从Ready()取出状态后，需要调用 Advance
//=> 注意：只有当所有提交的entries都应用后，才会调用下一个 Ready 的状态
我们回到之前的选举上，读取到的Ready里面包含了Vote消息，我们会调用网络层发送消息出去，并且调用Advance()，而此时其他Node接收到网络层消息后，会调用Step()函数，在成为candidate的时候，我们设置了step函数为stepCandidate，
stepCandidate
自后调用了node的send函数，此时是拒绝的，因为已经是candidate状态了，而如果是follower，其处理函数是
stepFollower,
stepFollower
其规则就是之前说到的:
如果本地的voteFor为空或者为candidateId,并且候选者的日志至少与接受者的日志一样新,则投给其选票
进行到这，我们看到了follower在收到vote rpc后的处理，下面是candidate的处理了。
回到之前调用Ready()，接着应该调用Advance,
Advance
里面会设置
advancec，好了，运行到这，我们又要回到node.run中了
此时的状态是：candidate，advancec中有数据，接着来看candidate在发送出vote rpc，接收到响应的处理，网络层的Send函数是：
Transport.Send
Send会调用
Peer.send，函数注释说：此函数是非阻塞的，不保证请求一定能被peer收到
Peer.send
一般常理我们发送后，等待响应后再处理，但是找了很久也没找到常理函数，这个时候，我们再去看下follower对于投票的处理
send.MsgVoteResp
发现在响应上也是通过发送一个消息来响应的，因此我们此时可以看到peer之间的交互不是传统意义上的request-response模型了。
我们去看对于MsgVoteResp的处理，其入口都是通过调用node.Step函数，此时如果得到大多数票选，则成为leader
MsgVoteResp处理
看becomeLeader函数
becomeLeader
在leader函数中，最重要的就是发送命令了，我们看看这个过程
这是通过node.Propose函数实现的
node.Propose
到最后又是通过step函数
stepLeader
里面挨个调用send函数
func (r *raft) bcastAppend() {
for id := range r.prs {
if id == r.id {
continue
}
r.sendAppend(id)
}
}
sendAppend
看完发送端，接着看follower的接收端处理
handleAppendEntries
细看handleAppendEntries函数，就是去做raft协议中规定的操作了
图片
在
maybeAppend中，会去尝试更新committed index，然后接着看AppendResp的处理
AppendResp
去检查各个peer的matchIndex，然后尝试更新commitIndex
下一个问题，接着去看commitIndex > lastAppied后，在哪儿去应用log到状态机的
这是通过node.run中readyc和advancec来实现的
node.run
上面就是etcd中raft的大致流程，有一个机遇raft实现的简单key-value系统，github地址：https://github.com/zhuanxuhit/distributed-system/tree/master/etcd-raft
读完代码后，最大的一个感受是整个node在实现的时候都是无锁的，其技巧是通过go的channel将所有请求串行化，然后另一个特点是根据不同的状态，设置不同的处理函数，整个实现非常的清晰，因为每个状态针对每个请求的处理都是非常明确的。
网友评论