分布式状态一致--Raft算法

要学习Raft算法，强烈推荐一个网址: http://thesecretlivesofdata.com/raft/

基本上述网址多看几遍，Raft算法就了解得七七八八了。

但关于Raft算法，还需要注意以下关键点:

• 保证各server节点的选举超时时间相异

Raft有2个超时配置，1个为选举超时时间(election timeout)，其表征了节点状态由follower转变为candidate所需要的时间，其在150ms-300ms之间随机取值。

集群初始状态时，各server节点的状态均为follower，当server时钟超时后，状态会由follower转变为candidate。

candidate状态的server节点会发起投票流程，candidate节点会先投自己1票，然后给其他节点发送求票信息，若其他节点收到求票信息时还未超时，则会将票投给发送请求的candidate节点。

票数最多的candidate节点状态将会更新为leader。

若各server节点的超时时间相同，则选举过程可能会陷入胶着状态，难以选出leader。

leader选取成功后，会周期性地发送心跳信息给各follower，该周期即是Raft另外1个超时配置: 心跳超时(heartbeat timeout)。

若follower未在heartbeat timeout时间内收到来自leader的心跳信息，则会由follower状态转化为candidate，并发起新一轮的投票流程。

• leader节点必须等待大多数follower将状态写入日志，才可将该状态值commit。

1.jpg 2.jpg 3.jpg 4.jpg

• 当2个follower节点同时变为candidate，会发生split vote

5.jpg 6.jpg 7.jpg 8.jpg